用户兴趣挖掘导向的推荐系统设计.pdfVIP

■用技术 用数、发表时间及发表来源。 在建模计算中，引用数指标可直接作为评分的 正相关因子，同时引用数字水平受到发表时间的影 响，_个有价值的节点，其弓I用数字水平会随发表 时间而增长，而不能完全反映为其引用价值。同时 图 1 算例样本 由于知识的进步，文献价值很可能会随着发表时间 过有哪些信誉好的足球投注网站引擎以及相似性推荐可以获取 《一种基于内 增长而逐渐降低，因此将 (引用数÷发表年数)作 容过滤的科技文献推荐算法》 《基于加权关联规则 为一个正相关因子加入到模型中。本部件解释为被 挖掘的相关文献推荐》等文献。此时，用户很可能 引用速度，即为平均每年文献被引用次数。在模型 对 个《性化服务技术研究》这一文献产生兴趣 ，用 中呈现为： 户自身却难以想到更换这一关键词进行检索。若通 ：铂 × qi · 过本算法构建有向图，即可发现节点 个《性化服务 式中：V为文献被引用速度，q (quote)为引用量， 技术研究》这一节点得到多次引用，从而对用户进 行推荐，可以帮助用户发现潜在需求，增加用户活 Y(year)为发表时间，‰ 为当前时间。 跃度。 同时本部件需要评估发表来源对于节点价值的 影响，该系统选择复合影响因子作为发表来源的评 PageRank算法可以通过节点间投票法师迭代完 估指标。复合影响因子是以期刊综合统计源文献 、 成评分，实现算法核心 目的： 博硕士学位论文统计源文献、会议论文统计源文献 PageROIL ·(1熹 舞 ．(2)为复合统计源文献计算 ，较为客观且易于获取。发 该算法所构建有向图呈现出树状结构特征，因 表来源评分在模型中呈现为Pe： 此基础 PageRank算法返回结果会呈现评分随引用 Pe』× j_-l ,rt； 1)．(3) 距离递增的现象．二级引文的整体地位由于接受一 为解决文献引用量为 0或当年发表文献 (‰ 一 级引文的投票，必然会呈现整体更高的评分值 ，因 )为 0造成的局部失忆，我们采用参数 进行平 此对基础算法进行调整对冲。用每一级别的平均得 滑。通常13和 ：均取O．1，当两项数据均为0时本 分对冲因引文级别差异导致的偏差．从而在保留节 部件返回值为 1，对于模型不产生作用。 点人度差异同时将各级均值调平 。通过调整后的 2．2 限制节点相似度偏离 PageRank算法 (式 1)可以过滤找到节点 7，8， 本部件的目的在于推荐结果的限制于筛选，该 9。12，即为在用户标记文档的引文网络中威望最 系统的目标针对发现用户潜在需求。实现的推荐不 高的节点。