基于網(wǎng)絡(luò)表示學(xué)習(xí)的學(xué)術(shù)推薦策略研究
發(fā)布時(shí)間:2024-03-30 01:35
在學(xué)術(shù)大數(shù)據(jù)時(shí)代,大量的學(xué)術(shù)信息充斥著整個(gè)網(wǎng)絡(luò),想要從中挖掘出有價(jià)值的信息變成了亟待解決的問(wèn)題。學(xué)術(shù)推薦系統(tǒng)的產(chǎn)生在一定程度上解決了這一問(wèn)題。論文推薦和合作者推薦是學(xué)術(shù)推薦的兩大核心研究問(wèn)題。然而之前基于圖的推薦算法多數(shù)是基于不靈活的手工設(shè)計(jì)特征,從而會(huì)出現(xiàn)在高維稀疏環(huán)境下計(jì)算量大、推薦效果差等問(wèn)題。此外,多數(shù)基于圖的推薦算法缺少對(duì)論文文本信息的有效利用。針對(duì)以上問(wèn)題,本文在網(wǎng)絡(luò)表示學(xué)習(xí)方法的基礎(chǔ)上融入了論文文本信息實(shí)現(xiàn)了無(wú)監(jiān)督的特征設(shè)計(jì),分別提出了合作者推薦和論文推薦來(lái)解決學(xué)術(shù)信息過(guò)載問(wèn)題。(1)基于主題驅(qū)動(dòng)的網(wǎng)絡(luò)表示學(xué)習(xí)的合作者推薦TNERec:該推薦算法通過(guò)網(wǎng)絡(luò)表示學(xué)習(xí)方法聯(lián)合學(xué)習(xí)學(xué)者的研究興趣和網(wǎng)絡(luò)結(jié)構(gòu)來(lái)實(shí)現(xiàn)合作者推薦。TNERec首先基于主題模型提取學(xué)者的研究興趣,然后通過(guò)網(wǎng)絡(luò)表示學(xué)習(xí)得到學(xué)者的低維向量表示,最后根據(jù)學(xué)者向量的相似度生成推薦列表。通過(guò)真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)表明,該方法與對(duì)比方法相比都有較優(yōu)的推薦效果,因此可以說(shuō)明該方法的有效性。(2)融合文本和結(jié)構(gòu)的網(wǎng)絡(luò)表示學(xué)習(xí)的論文推薦VOPRec:該推薦算法首先將論文的文本信息轉(zhuǎn)化為論文文本向量用以找到具有相似研究?jī)?nèi)容的論文,...
【文章頁(yè)數(shù)】:65 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 學(xué)術(shù)合作者推薦
1.2.2 學(xué)術(shù)論文推薦
1.2.3 網(wǎng)絡(luò)表示學(xué)習(xí)
1.3 研究?jī)?nèi)容和貢獻(xiàn)
1.3.1 本文研究目的和主要工作
1.3.2 本文的創(chuàng)新點(diǎn)
1.4 本文的組織結(jié)構(gòu)
2 相關(guān)理論和研究
2.1 常見(jiàn)的推薦算法
2.1.1 基于內(nèi)容的推薦算法
2.1.2 基于協(xié)同過(guò)濾的推薦算法
2.1.3 基于圖的推薦算法
2.2 網(wǎng)絡(luò)表示學(xué)習(xí)算法
2.2.1 同構(gòu)網(wǎng)絡(luò)
2.2.2 異構(gòu)網(wǎng)絡(luò)
2.3 本章小結(jié)
3 基于主題驅(qū)動(dòng)的網(wǎng)絡(luò)表示學(xué)習(xí)的合作者推薦
3.1 問(wèn)題描述和模型框架
3.1.1 問(wèn)題描述
3.1.2 模型框架
3.2 TNERec合作者推薦實(shí)現(xiàn)
3.2.1 學(xué)者主題獲取
3.2.2 學(xué)術(shù)合作網(wǎng)絡(luò)的表示
3.2.3 主題屬性網(wǎng)絡(luò)的表示
3.2.4 聯(lián)合表示學(xué)習(xí)
3.2.5 推薦
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 實(shí)驗(yàn)數(shù)據(jù)集
3.3.2 實(shí)驗(yàn)設(shè)置
3.3.3 對(duì)比方法
3.3.4 評(píng)估指標(biāo)
3.3.5 結(jié)果分析
3.4 本章小結(jié)
4 融合文本和結(jié)構(gòu)的網(wǎng)絡(luò)表示學(xué)習(xí)的論文推薦
4.1 問(wèn)題描述和模型框架
4.1.1 問(wèn)題描述
4.1.2 模型框架
4.2 VOPRec論文推薦實(shí)現(xiàn)
4.2.1 文本內(nèi)容表示
4.2.2 結(jié)構(gòu)表示
4.2.3 重構(gòu)網(wǎng)絡(luò)
4.2.4 圖學(xué)習(xí)
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 實(shí)驗(yàn)設(shè)置
4.3.2 對(duì)比方法
4.3.3 結(jié)果分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號(hào):3941607
【文章頁(yè)數(shù)】:65 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 學(xué)術(shù)合作者推薦
1.2.2 學(xué)術(shù)論文推薦
1.2.3 網(wǎng)絡(luò)表示學(xué)習(xí)
1.3 研究?jī)?nèi)容和貢獻(xiàn)
1.3.1 本文研究目的和主要工作
1.3.2 本文的創(chuàng)新點(diǎn)
1.4 本文的組織結(jié)構(gòu)
2 相關(guān)理論和研究
2.1 常見(jiàn)的推薦算法
2.1.1 基于內(nèi)容的推薦算法
2.1.2 基于協(xié)同過(guò)濾的推薦算法
2.1.3 基于圖的推薦算法
2.2 網(wǎng)絡(luò)表示學(xué)習(xí)算法
2.2.1 同構(gòu)網(wǎng)絡(luò)
2.2.2 異構(gòu)網(wǎng)絡(luò)
2.3 本章小結(jié)
3 基于主題驅(qū)動(dòng)的網(wǎng)絡(luò)表示學(xué)習(xí)的合作者推薦
3.1 問(wèn)題描述和模型框架
3.1.1 問(wèn)題描述
3.1.2 模型框架
3.2 TNERec合作者推薦實(shí)現(xiàn)
3.2.1 學(xué)者主題獲取
3.2.2 學(xué)術(shù)合作網(wǎng)絡(luò)的表示
3.2.3 主題屬性網(wǎng)絡(luò)的表示
3.2.4 聯(lián)合表示學(xué)習(xí)
3.2.5 推薦
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 實(shí)驗(yàn)數(shù)據(jù)集
3.3.2 實(shí)驗(yàn)設(shè)置
3.3.3 對(duì)比方法
3.3.4 評(píng)估指標(biāo)
3.3.5 結(jié)果分析
3.4 本章小結(jié)
4 融合文本和結(jié)構(gòu)的網(wǎng)絡(luò)表示學(xué)習(xí)的論文推薦
4.1 問(wèn)題描述和模型框架
4.1.1 問(wèn)題描述
4.1.2 模型框架
4.2 VOPRec論文推薦實(shí)現(xiàn)
4.2.1 文本內(nèi)容表示
4.2.2 結(jié)構(gòu)表示
4.2.3 重構(gòu)網(wǎng)絡(luò)
4.2.4 圖學(xué)習(xí)
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 實(shí)驗(yàn)設(shè)置
4.3.2 對(duì)比方法
4.3.3 結(jié)果分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號(hào):3941607
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3941607.html
最近更新
教材專(zhuān)著