基于文本语义的用户协同过滤文献推荐算法  

作　　者：张良 王现臣 肖银涛 江程 

机构地区：[1]同方知网数字出版技术股份有限公司

出　　处：《数字技术与应用》2024年第3期126-129,共4页Digital Technology & Application

摘　　要：知识服务平台作为一种重要的知识传播和信息交流形式,旨在通过整合、挖掘和推送知识资源,为用户提供更为精准和有价值的信息内容,满足用户多样化的知识需求。近年来,随着学术文献的爆炸性增长,如何从海量的文献中精准地提取、推荐与用户相关的内容,成为知识服务平台面临的关键挑战。针对这一问题,本文提出了一种基于文本语义的用户协同过滤文献推荐算法。该算法首先通过训练文献推荐场景下的Doc2vec语义模型,表示学习文献深层次语义信息;其次结合用户协同过滤技术构建用户向量,分析兴趣相似的用户的行为偏好;最后制定排序规则,为目标用户生成个性化的文献推荐列表。实验结果表明,与基准算法相比,本文提出的算法能够有效提升推荐结果的准确性和用户满意度。

关 键 词：协同过滤 推荐算法 语义模型 知识服务平台 知识需求 语义信息 行为偏好 排序规则 

分 类 号：TP391.3[自动化与计算机技术—计算机应用技术]