基于异构网络的个性化论文推荐算法研究

发布时间：2024-04-20 15:20

　　随着电子文献的发展,大量的学术论文在互联网上存储和传播。研究人员可以在网络上更方便地浏览和下载学术论文,但也面临着信息过载问题。为解决这一问题,学术网站会根据用户的历史记录,自动向用户推荐论文。对论文推荐算法的改进受到研究者的广泛关注,这有助于提升用户对系统的满意度。目前,论文推荐算法的研究大多数都是从单一角度描述用户偏好,例如基于论文内容的相似性、共同作者关系、论文的引用关系等,而忽略了用户兴趣的复杂性。学术网站中通常存储了大量的元数据,可以用异构网络来进行建模,并用于描述用户复杂的兴趣。本文提出了论文推荐算法PRHN,它能够根据用户的历史记录,自动向用户提供个性化的建议。该算法将论文、期刊、作者、词语、用户以及这些实体之间的关系整合为一个异构网络。网络中的元路径用来表示用户的偏好模式,在这些元路径上应用随机游走模型,来衡量相对于目标用户而言,候选论文基于每条元路径的推荐分数。以贝叶斯个性化排序模型为目标函数,通过个性化权重学习过程,挖掘用户对不同的元路径的个性化偏好。最后将不同元路径上的推荐分数与从用户的历史偏好中学习的个性化权重相结合,可计算出全局推荐分数。在两个数据集的实验结果...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
    1.4 研究内容
    1.5 研究的创新点
    1.6 本文的组织结构
第2章 理论基础与相关研究
    2.1 理论基础
        2.1.1 异构网络概念
        2.1.2 元路径概念
        2.1.3 贝叶斯个性化排序模型
    2.2 相关研究
        2.2.1 基于内容的推荐
        2.2.2 协同过滤的推荐
        2.2.3 基于网络的推荐
    2.3 本章小结
第3章 基于异构网络的论文推荐
    3.1 算法流程
    3.2 异构网络构建
    3.3 元路径集合生成
    3.4 元路径推荐分数计算
    3.5 个性化权重学习
        3.5.1 构建目标函数
        3.5.2 求解目标函数
    3.6 个性化推荐
    3.7 本章小结
第4章 实验设计与实验结果
    4.1 实验设计
        4.1.1 数据集
        4.1.2 数据预处理
        4.1.3 评价指标
        4.1.4 参数设计
        4.1.5 基准算法
    4.2 实验结果
        4.2.1 算法有效性
        4.2.2 异构网络的影响
        4.2.3 推荐分数计算和权重学习过程的影响
        4.2.4 元路径个性化权重分析
    4.3 实验结论
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3959604