论文部分内容阅读
引文是任何论文以及书籍必不可少的组成部分,是作者阐述已有知识时对原作的一种尊重,同时方便读者追本溯源,了解知识的来龙去脉。然而,随着科研的深入,科研工作者数量的增加,论文的数量也在急剧膨胀。这导致作者在进行写作时,需要花费大量的时间来对引文进行确定和补充,是一个相对繁琐而缺乏创造性的过程。本文构建了一个自动化引文推荐系统,来解决这个问题。 系统根据引文上下文,自动为科研人员推荐备引用的论文列表,节省科研人员的大量时间,在科研写作过程中具有很大的实用价值;另外,引文推荐系统可以理解为检索系统与推荐系统的结合,给本课题带来了较大的研究意义。 引文推荐是一个相对较新的问题,在过去的研究中,均将其当作检索系统的变型,根据引文上下文的内容,进行推荐。本文认为,引文推荐实际上也是一个个性化的推荐过程,不能只根据内容进行通用推荐,还需要根据不同研究者的偏好进行个性化推荐。 本文利用用户的发表及引用历史,结合已有的基于内容的推荐方法,构建出一个个性化引文推荐模型——PCR模型。在结合用户引用倾向性与内容相关性后,与最新的基于内容的翻译模型相比,PCR模型在recall@10上获得了31.67%的性能提升,在MAP上获得了27.65%的性能提升。