Paper Recommendation Based on Citation Relation
Paper Recommendation Based on Citation Relation
复制标题
基于引文关系的论文推荐
DOI：
10.1109/bigdata47090.2019.9006200
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Akbas, Esra
中科院分区：
文献类型：
--
作者：
Tanner, William;Akbas, Esra
检索相关文献是学术研究的基本内容。随着每年发表数百万篇文章，搜索相关文献正变得更加困难和耗时。作为一种解决方案，学术论文推荐系统试图帮助研究人员快速找到相关论文。本文主要研究基于引文网络的基于图的学术论文推荐系统。这种类型的论文推荐系统利用通过引文链接的论文图表来创建相关论文列表。在这项研究中，我们使用包含引文关系的引文网络来探索学术论文推荐系统。我们根据原始论文被引用参考文献的次数来定义引文关系，并用这种引文关系来衡量论文之间的关系强度。我们使用引文关系作为边的引文权重，建立了一个加权网络。我们在一个真实的出版数据集上对我们提出的方法进行了评估，并与三种最先进的基线方法进行了广泛的比较。实验结果表明，使用引文权重的引文网络推荐系统比现有的方法具有更好的性能。
Searching for relevant literature is a fundamental part of academic research. The search for relevant literature is becoming a more difficult and time-consuming task as millions of articles are published each year. As a solution, recommendation systems for academic papers attempt to help researchers find relevant papers quickly. This paper focuses on graph-based recommendation systems for academic papers using citation networks. This type of paper recommendation system leverages a graph of papers linked by citations to create a list of relevant papers. In this study, we explore recommendation systems for academic papers using citation networks incorporating citation relations. We define citation relation based on the number of times the origin paper cites the reference paper, and use this citation relation to measure the strength of the relation between the papers. We created a weighted network using citation relation as citation weight on edges. We evaluate our proposed method on a real-world publication data set, and conduct an extensive comparison with three state-of-the-art baseline methods. Our results show that citation network-based recommendation systems using citation weights perform better than the current methods.
登录
查看更多内容
纸莎草研究论文推荐的多标准协同过滤方法
DOI：
--
发表时间：
2009
期刊：
International Conference on eTechnologies
影响因子：
--
作者：
Amine Naak;H. Hage;Esma Aïmeur
通讯作者：
Esma Aïmeur
推荐系统：子空间聚类方法
DOI：
--
发表时间：
2005
期刊：
影响因子：
--
作者：
Nitin Agarwal;Ehtesham Haque;Huan Liu;Lance Parsons
通讯作者：
Lance Parsons
通过阅读推荐器增强数字图书的质量
DOI：
--
发表时间：
2000
期刊：
International Conference on Human Factors in Computing Systems
影响因子：
--
作者：
Allison Woodruff;Rich Gossweiler;J. Pitkow;Ed H. Chi;S. Card
通讯作者：
S. Card
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
Marcos Báez;Daniil Mirylenka;Cristhian Parra
通讯作者：
Cristhian Parra
TSSP：一种查找相关论文的强化算法
DOI：
--
发表时间：
2004
期刊：
International Conference on Wirtschaftsinformatik
影响因子：
--
作者：
Shen Huang;Gui;Benyu Zhang;Zheng Chen;Yong Yu;Wei
通讯作者：
Wei