典型文献
基于作者偏好的学术投稿刊物推荐算法
文献摘要：
针对投稿刊物推荐算法总是单独考虑文本主题或者作者历史发刊记录,导致投稿刊物推荐结果准确率低的问题,提出了一种基于作者偏好的学术刊物投稿推荐算法.该算法不仅协调使用了文本主题和作者历史发刊记录,还挖掘了投稿刊物的学术焦点与时间的潜在联系.首先,使用潜在狄利克雷(LDA)主题模型对文章标题进行主题提取;其次,建立主题-刊物和时间-刊物的模型图,并采用大规模信息网络嵌入(LINE)模型学习异构图节点的嵌入;最后,融合作者的主题偏好和历史发刊记录来计算刊物的综合得分,并据此对投稿作者进行投稿刊物推荐.在两个公开数据集DBLP和PubMed上的实验结果表明,相比奇异值分解(SVD)、DeepWalk、非负矩阵分解(NMF)等6个算法,所提出的算法在不同推荐的投稿刊物列表长度的情况下的召回率均为最优,并且在需要从论文和知识库中获取更少信息的同时,保持了较高的准确性,能有效提高投稿刊物推荐算法的鲁棒性.
文献关键词：
学术刊物;二部图;投稿推荐;图嵌入;作者偏好
作者姓名：
董永峰;屈向前;李林昊;董瑶
作者机构：
河北工业大学人工智能与数据科学学院,天津300401;河北省大数据计算重点实验室(河北工业大学),天津300401;河北省数据驱动工业智能工程研究中心(河北工业大学),天津300401
文献出处：
引用格式：
[1]董永峰;屈向前;李林昊;董瑶-.基于作者偏好的学术投稿刊物推荐算法)[J].计算机应用,2022(01):50-56
A类：
作者偏好,投稿推荐
B类：
推荐算法,文本主题,发刊,学术刊物,调使,狄利克,LDA,主题模型,标题,主题提取,信息网络嵌入,LINE,模型学习,异构图,合作者,主题偏好,综合得分,稿作,公开数据集,DBLP,比奇,奇异值分解,SVD,DeepWalk,非负矩阵分解,NMF,列表,召回率,文和,知识库,二部图,图嵌入
AB值：
0.377963
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。
