基于频繁主题集偏好的学术论文推荐算法

摘要：

针对学术论文推荐中项目冷启动问题,提出了一种基于频繁主题集偏好的协同主题回归模型.该算法考虑到用户在选择学术论文时对研究热点的偏好,使用频繁主题集代表研究热点,将用户对研究热点的偏好表示成用户对频繁主题集的偏好.通过潜在狄利克雷分布主题模型挖掘得到论文—主题概率分布矩阵,并筛选出论文中概率较高的主题;然后挖掘出频繁出现的主题集合,并得到论文—频繁主题集矩阵;最后在预测未知评分时融入用户对频繁主题集的偏好.在CiteULike数据集上的实验表明,相比于矩阵分解模型和协同主题回归模型,该算法在召回率、准确率和RMSE三个指标上都有所提升.

关键词：论文推荐、主题模型、频繁主题集

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2675-2678