基于用户偏好与语言模型的个性化引文推荐  

Personalized Citation Recommendation Based on User's Preference and Language Model

作　　者：刘亚宁[1] 严睿[1] 闫宏飞[1] 

机构地区：[1]北京大学网络与信息系统研究所,北京100871

出　　处：《中文信息学报》2016年第2期128-135,共8页Journal of Chinese Information Processing

基　　金：教育部科技发展中心网络时代的科技论文快速共享专项研究资助课题(FSSP 2012Grant 2012115);国家自然科学基金(61272340;61073082)

摘　　要：根据引文上下文,自动为科研人员推荐备引用的论文列表具有很大的实用价值和研究意义。在科研人员写作时,一个为引用符自动推荐引文的系统,会为科研人员节省大量的时间。对于引文推荐问题,过去的工作均主要把注意力集中到基于内容的研究上。该文认为引文推荐,不能只根据内容进行通用推荐,还需要根据不同研究者的偏好进行个性化推荐。该文利用用户的发表及引用历史,结合语言模型,构建出一个个性化引文推荐模型——PCR模型。在结合用户引用倾向性与内容相关性后,与传统的基于内容的语言模型相比,PCR模型在recall@10上获得了71.01%的性能提升,在MAP上获得了70.23%的性能提升。Automatic citation recommendation based on citation context is a highly valued research topic.The existing works all focus on the content based methods only.In this paper,we consider the citation recommendation as a content based analysis combined with personalization.Using users＇publication and citation history as the users＇profile and the language model,we propose a PCR（personalized citation recommendation）model.Experiment indicates71.01%improvement of the performance in terms of recall@10and 70.23%improvement in MAP compared with the traditional language model.

关 键 词：引文推荐 个性化 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]