基于作者偏好和异构信息网络的科技文献推荐方法研究

TP393%G250; [目的]采用异构信息网络理论和作者偏好,提高科技文献推荐质量.[方法]基于异构信息网络理论,提出一种可以融合多语义信息的科技文献推荐方法.首先,结合作者偏好信息为科技文献异构信息网络中的元路径加权;其次,采用DPRel算法计算作者与文献之间的相关度.在此基础上,构建加权作者-文献矩阵,按相关度降序排列得到推荐列表.[结果]从Web of Science中收集实验数据集,实验结果表明,在三个数据集中所提方法相较于基于单条元路径计算作者-文献相关度的推荐方法在平均成功推荐率上分别提高了6％、8％、6％,并且文献成功推荐提高率分别为14.8％、27.6％、13.0％.[局限]在数据预处理阶段由人工进行关键词统一,对于海量数据,人工处理关键词不现实.[结论]所提推荐方法提高了异构信息网络中科技文献推荐的质量.