[发明专利]一种基于引用关系分布式表达的论文推荐方法

说明书

本发明公开一种基于引用关系分布式表达的论文推荐方法。利用分布式向量来表达论文在权重引用网络当中的上下文，然后利用该向量计算论文之间的相似度，达到论文推荐的目的。之前的基于引用的论文推荐的方法，都局限于使用论文引用和被引用的论文集合的重合度，对于重合度为0的论文之间无法计算相似度。本发明通过论文之间的权重引用网络，充分利用了论文之间“间接引用”的信息，再使用矩阵分解方法，获得表达论文在引用网络中的位置的分布式向量，使用其内积作为论文之间的相似度表达。该分布式表达可以用来作为学术推荐系统的一种基准特征，能够妥善的解决现有模型存在的问题,并且能够进一步的提高相似度度量的正确性。

技术领域

本发明涉及推荐技术领域，特别是涉及一种基于引用关系分布式表达的论文推荐方法。

背景技术

学术推荐系统作为学术服务的重要一环，已经被引入到很多学术搜索引擎系统当中，比如CiteSeerX，Google Scholar，PubMed等等。通过学术推荐系统，研究者会被推荐与其现有研究论文相关的其他论文，研究者可以检查他们引用资料的完整性，节省搜寻相关工作的人力，快速接触到自己领域的新论文。

推荐系统的本质就是为特定的用户猜测感兴趣的特定的物品并推送。根据推荐基于信息的不同，主要分为基于内容的推荐，基于协同过滤的推荐，社会化推荐和混合模型推荐。在论文的推荐系统当中，存在着一种特殊的基于引用的推荐。论文的引用表示该论文对于前人所做过的工作的系统的调研和追索，包括对其研究课题的整个历史、现状和发展趋势的一个总体的资料集合。引用支持论据有助于增加学术论文的可信度。两篇论文的引用的相似度越高，这两篇论文在课题上，内容上的相似性就越高。随着科研水平的提高，论文的数量与论文之间的引用数量也逐年呈指数式的增长，如何利用论文的引用信息来获得论文推荐的信息，成为一个令学术推荐系统研究者们愈加重视的课题。

现有的基于论文引用信息来提供推荐信息的工作，其中的代表模型有传统的引用预测模型与协同过滤模型，都局限于使用论文引用和被引用的论文集合的重合度，对于重合度为0的论文之间无法计算相似度。同时忽略了论文之间“间接引用”的可用信息。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷，提供一种基于引用关系分布式表达的论文推荐方法。该方法利用论文之间的引用网络，以及分布式向量表达论文在引用网络中的位置，使用内积作为论文之间的相似度表达，达到论文推荐的目的。

为解决上述技术问题，本发明的技术方案如下：

一种基于引用关系分布式表达的论文推荐方法，包括以下步骤：

步骤1：基于所有待研究论文生成ID字典，即为每篇论文赋予一个唯一的索引键，同时利用论文的相互引用关系生成论文引用网络，并建立论文引用权重矩阵M，权重矩阵M是基于论文索引标识构建的n行n列的矩阵；

步骤2：使用最小化代价函数的方法，对权重矩阵M做矩阵分解，将矩阵 M拟合成W*T的形式，其中W是n行m列的矩阵，T是m行n列的矩阵；其中mn，以达到降维的作用；用随机梯度下降法求出W和T矩阵；其中W的行向量与T的列向量等价地包含了每篇论文的分布式向量的表达，且互为对偶；使用W的行向量来作为分布式向量，其中第i行表示论文索引键i所代表的论文的分布式向量的表达；

步骤3：通过分布式向量之间的内积，计算出两篇论文之间的基于引用的相似度值；

步骤4：对候选论文按照计算出的相似度从大到小排序，得到作为论文推荐的排序列表。

优选的，步骤1中：获取所有待研究论文集合S，生成对应的ID字典，即为每篇论文赋予一个唯一的索引键，索引键用于标识论文，索引键值包括论文的元信息，如论文名称、作者、发表期刊，年份等。