基于網(wǎng)絡(luò)圖模型的學(xué)術(shù)論文及其標(biāo)簽推薦方法研究.pdf

1、每年，數(shù)以萬計學(xué)術(shù)論文的發(fā)表使得論文的規(guī)模達(dá)到了空前的高度?？蒲腥藛T如何在眾多的學(xué)術(shù)論文中找出感興趣的論文成為困擾他們的一個棘手問題。早期，研究者主要運用傳統(tǒng)的協(xié)同過濾推薦方法來為用戶推薦論文。由于基于協(xié)同過濾的推薦方法無法解決推薦當(dāng)中面臨的冷啟動問題，因此，他們又提出基于論文文本內(nèi)容的推薦方法。但是，該模型僅考慮到論文的文本內(nèi)容而忽略了學(xué)術(shù)論文之間的潛在聯(lián)系，使得推薦的結(jié)果差強人意。
　　針對上述兩種模型的缺點，本文圍繞基于網(wǎng)絡(luò)

2、圖模型的學(xué)術(shù)論文及其標(biāo)簽推薦方法開展研究，主要研究最新發(fā)表學(xué)術(shù)論文的有效推薦問題以及為學(xué)術(shù)論文推薦合適標(biāo)簽的問題。通過分析現(xiàn)有網(wǎng)絡(luò)圖模型方法中存在的問題，借鑒其易融合異構(gòu)信息的優(yōu)勢，提出了兩種圖模型方法：一種結(jié)合標(biāo)簽數(shù)據(jù)圖模型的新發(fā)表論文推薦方法和一種基于多源異構(gòu)圖模型的學(xué)術(shù)論文標(biāo)簽推薦方法。前者主要將學(xué)術(shù)論文的標(biāo)簽數(shù)據(jù)添加到文本內(nèi)容中計算論文間的相似度值，有效的解決了新發(fā)表學(xué)術(shù)論文因缺少歷史用戶行為信息而造成的數(shù)據(jù)稀疏問題，增強了學(xué)術(shù)

3、論文之間的內(nèi)容互信；后者則充分利用了學(xué)術(shù)論文中存在的異構(gòu)信息構(gòu)造多源異構(gòu)圖模型，不僅可以為學(xué)術(shù)論文推薦相關(guān)的標(biāo)簽信息，而且也有效的解決了標(biāo)簽推薦中面臨的冷啟動問題。另外，這兩個圖模型較其它圖模型僅添加了少量的學(xué)術(shù)論文相似關(guān)系，其結(jié)構(gòu)得到了極大的簡化，可以更好地適應(yīng)稀疏數(shù)據(jù)，降低模型的計算成本。
　　本文將學(xué)術(shù)論文中的多種信息統(tǒng)一整合到圖模型中，然后再運用重啟動隨機游走的方法計算圖中任意節(jié)點的相似度值，進(jìn)而完成了學(xué)術(shù)論文及其標(biāo)簽信息