典型文献
基于细粒度语义实体的学术论文推荐研究
文献摘要：
[目的/意义]为帮助科研用户快速准确地找到与自身研究兴趣相关的学术论文,构建了基于细粒度语义实体的学术论文推荐模型.[方法/过程]将实验前期识别出的研究主题、研究对象和理论技术类语义实体作为学术论文和核心作者的内容特征,分别利用TF-IDF算法、TextRank算法和LDA模型得到学术论文和核心作者的特征词,利用Word2vec对特征词进行向量化,再计算核心作者和学术论文的余弦相似度,将余弦相似度值靠前的Top20推荐给作者.[结果/结论]利用准确率、召回率和F值对基于三种算法得到的特征词生成的推荐结果进行比较评价,结果表明,基于TF-IDF算法得到的特征词生成的推荐效果最佳,并对推荐结果进行了实例展示,可以看出本文提出的推荐模型能够更为全面地为科研用户推荐与其研究兴趣类似的学术论文,提高科研效率.[创新/局限]本文主要是从学术论文的内容特征入手,对类型细分后的关键词利用不同算法进行核心作者特征词筛选,进而实现学术论文推荐,但是对学术论文中包含的网络关系并未涉及.
文献关键词：
特征词;核心作者;学术论文;个性化推荐;相似度
中图分类号：
作者姓名：
李晓敏;王昊;李跃艳
作者机构：
南京大学信息管理学院,江苏南京210023;江苏省数据工程与知识服务重点实验室,江苏南京210093
文献出处：
引用格式：
[1]李晓敏;王昊;李跃艳-.基于细粒度语义实体的学术论文推荐研究)[J].情报科学,2022(04):156-165
A类：
Top20
B类：
细粒度语义,学术论文,论文推荐,科研用户,快速准确,研究兴趣,推荐模型,验前,理论技术,技术类,文和,核心作者,内容特征,TF,IDF,TextRank,LDA,特征词,Word2vec,行向量,向量化,余弦相似度,召回率,比较评价,推荐效果,实例展示,用户推荐,科研效率,作者特征,网络关系,个性化推荐
AB值：
0.348023
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。
