一种面向权威度和多样性的自动学术调研框架
对某个领域或问题进行学术调研是科研工作的基本需求,然而随着越来越多的科研人员投身研究,大量的学术成果不断涌现,信息过载使得快速有效的调研工作变得越发困难.文中旨在提出一种自动学术词研框架,基于用户给定的关键词查询推荐最值得调研的论文及作者,以辅助科研人员高效完成调研任务.面向某个领域或问题最值得调研的论文和作者,需要具备显著的权威度且能覆盖该领域或问题的不同方面.因此,文中提出了一种面向权威度和多样性的两阶段排序模型:首先引入了MutualRank模型,同时考虑论文及作者信息以更好地建模他们的权威度;接着利用PDRank模型融合权威度和差异性两个因素对论文和作者排序,最终得到权威度高、覆盖面广的调研结果.通过实验作者证明了MutualRank对于权威度的学习效果优于传统的PageRank,同时基于两阶段排序模型得到的调研结果也优于已有的基准方法.
MutualRank、PDRank、自动学术调研、多样性排序、社会计算、社交网络
38
TP391(计算技术、计算机技术)
This work is funded by the National Nature Science Foundation of China under Grant Nos.2013CB329601 and 61100175,National Information Security Plan 242 Planunder Grant Nos.2011F45 and 2012G129,National Key Technology R&D Program under Grant Nos.2012BAH39B04 and 2012BAH39B02,and EU FP7 Project unde2013CB329601,61100175;国家“二四二”信息安全计划2011F45,2012G129;国家科技支撑计划2012BAH39B04,2012BAH39B02;欧盟第七研发框架计划FP7-PIRSES-318939
2015-04-30（万方平台首次上网日期，不代表论文的发表时间）
共9页
365-373
