基于论文共同作者学术关系的学者推荐系统

doi:10.3969/j.issn.1000-3428.2013.02.003

计算机工程 ›› 2013, Vol. 39 ›› Issue (2): 12-17. doi: 10.3969/j.issn.1000-3428.2013.02.003

基于论文共同作者学术关系的学者推荐系统

邓少伟^1,2，罗泽 ¹，李树仁 ¹，阎保平 ¹

(1. 中国科学院计算机网络信息中心，北京 100190；2. 中国科学院研究生院，北京 100049)

收稿日期:2012-02-06 修回日期:2012-03-12 出版日期:2013-02-15 发布日期:2013-02-13
作者简介:邓少伟(1987－)，男，硕士研究生，主研方向：数据挖掘，e-Science应用示范；罗泽，副研究员、博士；李树仁，高级工程师、硕士；阎保平，研究员、博士
基金资助:
CNIC创新基金资助项目“基于本体的科学家资源服务平台SRSP研制”(CNIC_CX_10003)

Scholar Recommendation System Based on Academic Relationship of Thesis Co-authors

DENG Shao-wei ^1,2, LUO Ze ¹, LI Shu-ren ¹, YAN Bao-ping ¹

(1. Computer Network Information Center, Chinese Academy of Sciences, Beijing 100190, China; 2. Graduate University of Chinese Academy of Sciences, Beijing 100049, China)

Received:2012-02-06 Revised:2012-03-12 Online:2013-02-15 Published:2013-02-13

摘要/Abstract

摘要：

为使用户能够准确、高效地查找出关联的科研人员、学科知识及研究领域等相关信息，提出一种基于论文共同作者学术关系的推荐系统。该推荐系统应用科研人员所著论文的关键词对科研人员进行建模，突出科研人员与研究领域之间的关联，通过论文共同作者等学术关系计算科研人员之间的相似度以进行推荐。实验结果证明，与未应用学术关系的普通方法相比，该推荐系统的精准度能提高5%左右。

关键词: 学术关系, 共同作者, 社会化推荐, 推荐技术, 相似度计算

Abstract:

In order to help people find researchers, knowledge and fields of study more accurately and efficiently, this paper designs and develops a recommendation system based on the academic relationship of researchers like co-authors relationship. It models the researcher using the keywords in the papers that the researcher has authored, and uses the academic relationship of co-authors in papers to calculate the similarity to other researchers and recommend researchers. Experimental result verifies that compared with the method without considering the academic relationship, the precision can be increased by 5% or more.

Key words: academic relationship, co-authors, social recommendation, recommendation technology, similarity computation

中图分类号:

TP311.13

邓少伟, 罗泽, 李树仁, 阎保平. 基于论文共同作者学术关系的学者推荐系统[J]. 计算机工程, 2013, 39(2): 12-17.

DENG Shao-Wei, LUO Ze, LI Shu-Ren, YAN Bao-Beng. Scholar Recommendation System Based on Academic Relationship of Thesis Co-authors[J]. Computer Engineering, 2013, 39(2): 12-17.

http://www.ecice06.com/CN/Y2013/V39/I2/12

参考文献

[1] 刘建国, 周涛, 汪秉宏. 个性化推荐系统的研究进展[J]. 自然科学进展, 2009, 19(1): 1-15.
[2] Siersdorfer S, Sizov S. Social Recommender Systems for Web2.0 Folksonomies[C]//Proc. of the 20th ACM Con- ference on Hypertext and Hypermedia. New York, USA: ACM Press, 2009: 261-270.
[3] Nayak R, Zhang Meng, Chen Lin. A Social Matching System for an Online Dating Network: A Preliminary Study[C]//Proc. of IEEE International Conference on Data Mining Workshops. Sydney, Australia: IEEE Press, 2010:
352-357.
[4] Kazienko P, Musia? K, Kajdanowicz T. Multidimensional Social Network in the Social Recommender System[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and Humans, 2011, 41(4): 746-759.
[5] Mcdonald D W. Evaluating Expertise Recommenda- tions[C]//Proc. of International ACM SIGGROUP Conference on Supporting Group Work. Boulder, USA: ACM Press, 2001: 214-223.
[6] Salton G. Automatic Text Processing[M]. Boston, USA: Addison-Wesley, 1988.
[7] Gusfield D. Algorithms on Strings, Trees and Sequences: Computer Science and Computational Biology[M]. Cambridge, UK: Cambridge University Press, 1997.
[8] Shardanand U, Maes P. Social Information Filtering: Algorithms for Automating “Word of Mouth”[C]//Proc. of SIGCHI Conference on Human Factors in Computing Systems. Denver, USA: ACM Press, 1995: 210-217.
[9] Breese J S, Heckerman D, Kadie C. Empirical Analysis of Predictive Algorithms for Collaborative Filtering[C]//Proc. of the 14th Conference on Uncertainty in Artificial Intelligence. Madison, USA: [s. n.], 1998: 43-52.
[10] Dunning T. Accurate Methods for the Statistics of Surprise and Coincidence[J]. Computational Linguistics, 1993, 19(1): 61-74.
[11] 赵晨婷, 马春娥. 基于 Apache Mahout 构建社会化推荐引擎[EB/OL]. (2010-01-21). http://www.ibm.com/deve loperworks/cn/java/j-lo-mahout/.
[12] Jarvelin K, Kekalainen J. Cumulated Gain-based Evalua- tion of IR Techniques[J]. ACM Transactions on Informa- tion Systems, 2002, 20(4): 422-446.

[1]	陈昱瑾, 王晶, 武志昊, 赵耀帅, 林友芳. 基于图卷积网络融合群组关系的社会化推荐方法[J]. 计算机工程, 2023, 49(5): 112-121.
[2]	郭渝洛, 边浩东, 董润婷, 唐嘉豪, 王晓英, 黄建强. 基于SIMD的并行傅里叶空间图像相似度计算[J]. 计算机工程, 2021, 47(11): 247-253.
[3]	杨海清, 范琦. 基于时空分析的路口相似度计算方法[J]. 计算机工程, 2020, 46(4): 33-39.
[4]	李志欣,兰丹媚,张灿龙,唐素勤. 基于Co-Training的微博垃圾评论识别方法[J]. 计算机工程, 2018, 44(7): 212-218.
[5]	赵英,韩春昊. 马尔科夫模型在网络流量分类中的应用与研究[J]. 计算机工程, 2018, 44(5): 291-295.
[6]	刘业政,熊强,姜元春. 基于多维相似度的利基产品推荐方法[J]. 计算机工程, 2018, 44(3): 195-200.
[7]	陈彦桦,李剑. 一种基于结构特征的树相似度计算方法[J]. 计算机工程, 2018, 44(11): 197-201,208.
[8]	贾伟洋,李书琴,李昕宇,刘斌. 基于离散量和用户兴趣贴近度的协同过滤推荐算法[J]. 计算机工程, 2018, 44(1): 226-232,237.
[9]	李卫疆,齐静,余正涛,赵铁军. 融合信任传播和奇异值分解的社会化推荐算法[J]. 计算机工程, 2017, 43(8): 236-242.
[10]	段旭磊,张仰森,孙祎卓. 微博文本的句向量表示及相似度计算方法研究[J]. 计算机工程, 2017, 43(5): 143-148.
[11]	程曦,陈军. 基于MapReduce与项目分类的协同过滤算法[J]. 计算机工程, 2016, 42(7): 194-198.
[12]	余峰，余正涛，杨剑锋，郭剑毅，严馨. 基于主题信息的项目评审专家推荐方法[J]. 计算机工程, 2014, 40(6): 201-205.
[13]	程小林，熊焰，刘青文，陆琦玮. 一种基于自适应局部融合参数的协同过滤方法[J]. 计算机工程, 2014, 40(1): 39-44.
[14]	戴立玲, 谢李华, 卢章平, 袁浩. 基于复球面映射的产品形状相似性度量算法[J]. 计算机工程, 2012, 38(18): 258-261.
[15]	李红艳, 武仲科, 周明全, 武广艳. 基于等测地区域的三维面貌相似度评价方法[J]. 计算机工程, 2012, 38(13): 17-21.

选择文件类型/文献管理软件名称

选择包含的内容

基于论文共同作者学术关系的学者推荐系统

Scholar Recommendation System Based on Academic Relationship of Thesis Co-authors

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于论文共同作者学术关系的学者推荐系统

Scholar Recommendation System Based on Academic Relationship of Thesis Co-authors

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价