典型文献
多任务学习的论文被引量预测
文献摘要：
提出一种基于多任务的学习模型,进行论文被引量预测.首先,该模型对论文相关数据进行预处理,获取论文的网络拓扑特征和文本特征.然后,提出一个带有注意力机制的图卷积神经网络和Transformer模型分别处理这两种特征,并对论文被引量进行预测.最后,在交通领域论文数据集上的实验表明,该方法取得了较好的性能,这为未来文献分析相关工作提供了新的思路.
文献关键词：
被引量预测;多任务学习;联合学习;图卷积神经网络;文献分析
中图分类号：
作者姓名：
张德秀;毛煜;张思凡;程雨轩;史春雨
作者机构：
闽南师范大学计算机学院,福建漳州363000;阿里巴巴AE技术部推荐算法团队,浙江杭州310000
文献出处：
引用格式：
[1]张德秀;毛煜;张思凡;程雨轩;史春雨-.多任务学习的论文被引量预测)[J].闽南师范大学学报（自然科学版）,2022(03):46-53
A类：
被引量预测
B类：
多任务学习,论文被引量,网络拓扑,拓扑特征,文本特征,注意力机制,图卷积神经网络,Transformer,别处,交通领域,域论,论文数,联合学习
AB值：
0.23739
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
