基于科研在线文档库平台的标签推荐系统

doi:10.3969/j.issn.1000-3428.2014.05.061

计算机工程

基于科研在线文档库平台的标签推荐系统

蔡芳^1,2，沈一^1,2，南凯¹

(1. 中国科学院计算机网络信息中心，北京100190；2. 中国科学院大学，北京 100049)

收稿日期:2013-03-05 出版日期:2014-05-15 发布日期:2014-05-14
作者简介:蔡芳(1990－)，女，硕士研究生，主研方向：网络协同，推荐系统；沈一，博士研究生；南凯，研究员。
基金项目:
中国科学院十二五信息化基金资助项目“科研信息化应用推进工程(XXH12503)。

Tag Recommendation System Based on Duckling Document Library Platform

CAI Fang ^1,2, SHEN Yi ^1,2, NAN Kai¹

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

Received:2013-03-05 Online:2014-05-15 Published:2014-05-14

摘要/Abstract

摘要： 科研在线文档库是一个面向团队的文档协同与管理工具，为虚拟团队提供合作平台。它采用标签系统的方式组织其中的所有文档。在文档库的使用过程中，出现了无标签文档数量的累积以及用户为文档添加的标签质量偏低问题，影响文档的分类和共享。针对该问题，采用适用于科研在线文档库平台的标签推荐方法，包括协同过滤以及关键词抽取2个部分，促使用户为文档添加合格的标签，提高文档系统的使用效率。协同过滤推荐部分的实验采用准确率和召回率衡量标准，关键词抽取部分采用用户调查的实验方式，实验证明为每个文档提供3个候选标签能够得到理想效果。在实际使用环境中，该系统具有较高的精确度和可靠性，简单易于实现。

Abstract: Duckling Document Library(DDL) is a tool for document collaboration and management among research teams. It provides a cooperation platform for virtual teams. Tag system is used to manage all the documents on it. During the use of the library, the number of documents without any tags is gradually accumulating and the quality of tags labeled by users to some documents is not so good. All these troubles impede the effective control of the documents. In order to solve these problems, this paper proposes a tag recommendation method suitable for the document library of research online platform, which includes collaboration filtering recommendation and keywords extraction recommendation, in this way users are prompted to add qualified tags and improve the efficiency of the document library. Precision and recall rate metrics are used in the collaboration filtering recommendation and user survey in the keywords extraction recommendation. Experimental results show that a recommended list of three tags can get desired effect. In production environment, this tag recommendation system has qualified accuracy, reliability and is easy to be implemented.

Key words: tag recommendation, tag system, collaborative filtering, keywords extraction, cold-start, document collaboration

中图分类号:

TP39

蔡芳，沈一，南凯. 基于科研在线文档库平台的标签推荐系统[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2014.05.061.

CAI Fang, SHEN Yi, NAN Kai. Tag Recommendation System Based on Duckling Document Library Platform[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2014.05.061.

[1]	李俊, 吕学强. 融合BERT语义加权与网络图的关键词抽取方法[J]. 计算机工程, 2020, 46(9): 89-94.
[2]	柯翔敏, 陈江, 罗光华. 一种改进的基于兴趣相似度推荐算法[J]. 计算机工程, 2020, 46(8): 78-84.
[3]	李南星, 盛益强, 倪宏. 用于个性化推荐的条件卷积隐因子模型[J]. 计算机工程, 2020, 46(4): 85-90,96.
[4]	徐慧君, 王忠, 马丽萍, 饶华, 何承恩. 改进Mini Batch K-Means时间权重推荐算法[J]. 计算机工程, 2020, 46(3): 73-78,86.
[5]	贾晓芳, 桑国明, 祁文凯. 基于Spark平台的ALS加速算法研究[J]. 计算机工程, 2020, 46(2): 103-109.
[6]	康雁, 李涛, 李浩, 钟声, 张亚钏, 卜荣景. 融合知识图谱与协同过滤的推荐模型[J]. 计算机工程, 2020, 46(12): 73-79,87.
[7]	张宇生, 张桂珠, 王晓锋. 基于变分自编码器的混合推荐算法[J]. 计算机工程, 2020, 46(12): 96-104.
[8]	王岩, 王聪英, 申艳梅. 改进的蜂群优化聚类集成联合相似度推荐算法[J]. 计算机工程, 2020, 46(10): 88-94,102.
[9]	李梦梦, 夏阳, 李心茹, 徐婷, 魏思政. 基于栈式降噪自动编码器的动态混合推荐算法[J]. 计算机工程, 2019, 45(8): 184-189.
[10]	丁勇, 王翔, 蒋翠清. 基于Location2vec的地点推荐算法[J]. 计算机工程, 2019, 45(7): 212-216.
[11]	杨佳莉, 李直旭, 许佳捷, 赵朋朋, 赵雷, 周晓方. 一种自适应的混合协同过滤推荐算法[J]. 计算机工程, 2019, 45(7): 222-228.
[12]	毛德磊,唐雁. 基于归因理论用户偏好提取的协同过滤算法[J]. 计算机工程, 2019, 45(6): 225-229,236.
[13]	刘一宁,申彦明. 基于终身机器学习的主题挖掘与评分预测联合模型[J]. 计算机工程, 2019, 45(6): 237-241,248.
[14]	毛明松,张富国. 基于多重图排序的用户冷启动推荐方法[J]. 计算机工程, 2019, 45(5): 175-181.
[15]	陆贝妮,杜育根. 基于社区发现的Web服务QoS预测[J]. 计算机工程, 2019, 45(3): 117-124.

基于科研在线文档库平台的标签推荐系统

Tag Recommendation System Based on Duckling Document Library Platform

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

Metrics

本文评价

推荐阅读 10