科研社交网络中面向群组的科技论文推荐研究
近些年来随着科研社交网络的不断发展,科研社交网络中产生了大量由于研究领域相近、兴趣爱好相同等原因组成的群组.然而作为群组内成员交流的一种重要媒介:科技论文,却因其数量大,涉及的领域广,很难给群组推荐出满足大部分成员偏好的科技论文.为此,本文提出了一种科研社交网络中面向群组的科技论文推荐方法.该方法按照基于内容的推荐的三个不同阶段,即特征提取阶段、预测阶段和排序阶段,采用不同的合成策略将群组中用户的偏好合成起来,据此推荐科技论文给群组.为了验证本文提出方法有效性,本文抓取了科研社交网络CiteULike上的数据进行了实验.实验结果表明在各阶段采用不同的合成策略,群推荐的推荐精度存在很大的差异,其中在排序阶段使用Fairness合成策略,在Precision、Recall和MRR等三个评价指标下均取得了最好的群推荐结果.
科技论文推荐 偏好合成策略 科研社交网络
王刚 蒋军 汪杨 冯碧怡 孙见山 杨善林
合肥工业大学管理学院,合肥230009;过程优化与智能决策教育部重点实验室,合肥230009 合肥工业大学管理学院,合肥230009 清华大学经济管理学院,北京100084
国内会议
济南
中文
715-721
2015-10-24（万方平台首次上网日期，不代表论文的发表时间）