基于领域关联兴趣模型的个性化文献推荐方法

• 作者: 盛文瑾 谭绍峰 赵晓轩 闫健卓 陈建辉
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 文献推荐 认知科学 时间遗忘曲线 激活扩散理论 用户兴趣
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 论著
• 页码范围: 392-397
• 页数: 6页
• 分类号: R318
• 字数: 5375字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2018.04.011.

摘要

目的 文献资料是目前最重要的科研知识源,但爆炸式增长的科技文献所带来的信息过载,使得科研人员难以快速找到真正需要的文献.这在目前得到普遍关注的认知科学领域尤为严重.为解决这一问题,提出一种基于领域关联兴趣模型的个性化文献推荐方法.方法 基于对研究人员短期兴趣变迁的观察,引入兴趣遗忘曲线进行用户建模,并改进激活扩散模型,利用兴趣间潜在的领域语义关系解决用户兴趣模型存在的数据稀疏问题,最后通过对比基于用户兴趣模型推荐方法与基于领域关联兴趣模型推荐方法的精确度与平均准确率对方法的有效性进行评估.结果 采用PubMed文献作为实验数据,从精确度来看,fMRI、induction和normal分别获得0.60、0.80和0.550;从平均准确度来看,对于induction概念,此方法能够提供更高的精确度与召回率.结论 本方法能够有效捕捉用户研究兴趣及其变迁,进而为用户推荐内容上更贴近其研究兴趣的科技文献.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫健卓	北京工业大学信息学部	28	188	8.0	12.0
2	陈建辉	北京工业大学信息学部	7	8	2.0	2.0
3	谭绍峰		2	5	2.0	2.0
4	盛文瑾	北京工业大学信息学部	1	3	1.0	1.0
5	赵晓轩		1	3	1.0	1.0