科研社交网络中基于联合概率矩阵分解的科技论文推荐方法研.PDFVIP

第 43 卷第9 期 计算机科学 Vo1. 43 No.9 2016 年 9 月 Computer Science Sep 2016 科研社交网络中基于联合概率矩阵分解的 科技论文推荐方法研究 吴燎原1 蒋军2 王刚2 (合肥工业大学科学技术研究院 合肥 230009)1 (合肥工业大学管理学院 合肥 230009)2 摘 要 近年来随着科研社交网络中科技论文数量爆炸式的增长，科研人员很难高效地找到与之相关的科技论文，因 此面向科研工作者的科技论文推荐方法应运而生。然而，传统的科技论文推荐方法没有充分挖掘科研社交网络中广 泛存在的社会化信息，导致科技论文推荐质量不高。为此，提出了一种科研社交网络中基于联合概率矩阵分解的科技 论文推荐方法，在传统概率矩阵分解的基础上，融入了社会化标签信息和社会化群纽信息来进行科技论文推荐。为了 验证所提方法的有效性，在If-_取了科研社交网络 CiteULike 上的数据进行了实验。实验结果表明，与其它传统推荐方法 相比较，所提方法在 Precision 和 Recall 两个评价指标上均取得了较好的推荐结果，并且能够应用于大规模数据集，具 有良好的可扩展性。 关键词 科技论文推荐，科研社交网络，联合概率矩阵分解，推荐方法 中固法分类号 TP301 文献标识码 A DOI 10. 11896/j. issn. 1002-137X. 2016. 9. 042 Study of Scientific Paper Reconunendation Method Based on Unified Probabilistic Matrix Factorization in Scientific Social Networks WU Liacγyuan1 JIANG Jun2 WANG Gani CInstitute of Science and Technology ,Hefei University of Technology ,Hefei 230009 ,China) 1 CSchool of Management ,Hefei University of Technology ,Hefei 230009 ,China) 2 Abstract In recent years ,the number of scientific papers in scientific socia1 networks has grown at an exp10sive rate. It is difficult for researchers to find scientific papers re1ated to their research. Therefore ,the paper recommendation for re searchers was proposed to solve this prob1ern. However , many prob1ems exist in traditiona1 paper recommendation methods ,especially for the fact that a 10t of socia1 information in scientific socia1 network are not fully used ,resu1ting in poor qua1ity of paper recommendation. There