原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于主题效能的学术文献推荐算法.pdf
第41卷 第2期 北 京 工 业 大 学 学 报 Vol.41 No.2
2015年 2月 JOURNAL OF BEIJING UNIVERSITY OFTECHNOLOGY Feb. 2015
基于主题效能的学术文献推荐算法
1 1 2
杜永萍 ,杜晓燕 ,姚长青
(1.北京工业大学 计算机学院,北京 100124;2.中国科学技术信息研究所,北京 100038)
摘 要:针对文献推荐问题,提出了一种基于主题效能的学术文献推荐算法,该算法使用潜在狄利克雷分布(latent
Dirichlet allocation,LDA)对候选文献和用户发表的文献进行建模,挖掘出具有高效能的主题集合,并根据候选文献
中高效能主题的分布情况来计算它与用户兴趣之间的相似度,最后向用户推荐有价值的文献. 实验结果表明:提出
的算法比基于频繁项挖掘的算法具有更高的推荐准确率和推荐召回率,可同时满足用户对个性化和文献质量两方
面的需求.
关键词:推荐系统;效能;主题模型
中图分类号:TP391 文献标志码:A 文章编号:0254-0037(2015)02-0215-08
doi:10.11936/ bjutxb2014070009
Recommendation Algorithm Based on Topic Utility for Academic Papers
1 1 2
DU Yong-ping ,DU Xiao-yan ,YAO Chang-qing
(1.College of Computer Science,Beijing University of Technology,Beijing 100124,China;
2.Institute of Scientific and Technical Information of China,Beijing 100038,China)
Abstract:To solve paper recommendation problem,an academic paper recommendation algorithm based
on topic utility is proposed. This approach uses latent Dirichlet allocation(LDA) model to build the
model of candidate papers and users’ published papers, and then the topic sets with high utility are
mined. The similarity between the user interest and the candidate papers is calculated according to the
distribution of the high utility topics. Finally, the valuable papers are recommended to the users.
Experimental resultsshow thatthismethodiseffective,anditcangethigherprecisionandrecallthanthe
algorithm based on apriori. Meanwhile,this method can meet the user demand for both the quality and
the personalization.
K
文档评论（0）