TAGAN：一种融合细粒度语义特征的学术论文对抗推荐算法.docx

1 引言 学术论文是科研人员重要的研究工具，近年来，随着科学研究的进步，学术论文数量呈指数式增长，每年在各个领域都有超过百万篇的学术论文被发表，严重的“信息过载”导致科研人员需要花费更多的时间、精力寻找论文。推荐系统能有效解决论文“信息过载”的问题，将论文的获取方式由主动转化为被动，极大程度满足科研人员的学术需求[1]。 协同过滤（collaborative filtering，CF）在推荐系统中使用最为广泛，通过用户和项目的历史交互信息来探索用户的兴趣偏好。然而，由于用户和论文的交互矩阵高度稀疏，极大限制了 CF在论文推荐领域中的推荐性能，为此，一种常见的做法是引入论文的辅助信息来增强推荐性