基于频繁主题集偏好的学术论文推荐算法

• 作者: 李冉 林泓
• 来源期刊: 计算机应用研究
• 关键词: 论文推荐 主题模型 频繁主题集
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2675-2678
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.02.0141

摘要

针对学术论文推荐中项目冷启动问题,提出了一种基于频繁主题集偏好的协同主题回归模型.该算法考虑到用户在选择学术论文时对研究热点的偏好,使用频繁主题集代表研究热点,将用户对研究热点的偏好表示成用户对频繁主题集的偏好.通过潜在狄利克雷分布主题模型挖掘得到论文—主题概率分布矩阵,并筛选出论文中概率较高的主题;然后挖掘出频繁出现的主题集合,并得到论文—频繁主题集矩阵;最后在预测未知评分时融入用户对频繁主题集的偏好.在CiteULike数据集上的实验表明,相比于矩阵分解模型和协同主题回归模型,该算法在召回率、准确率和RMSE三个指标上都有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李冉	武汉理工大学计算机科学与技术学院	6	5	1.0	2.0
2	林泓	武汉理工大学计算机科学与技术学院	20	132	4.0	11.0