[发明专利]基于元结构技术的全局引文推荐方法、推荐系统

说明书

本发明公开基于元结构技术的全局引文推荐方法，对原始数据集进行文章提取、词频统计、关键短语筛选数据清洗操作，得到文章并使用文章、文章的作者、出版商和术语信息构建文章库；通过文章库中文章以及文章的作者、出版商和术语，建立异构信息网络；使用三度影响力原则选取三度以内的元结构，并依据所选的元结构和基于元结构的相似度计算技术得到文章库中文章的相似度；提出方法为每个元结构加权来融合文章间基于不同元结构获得的不同的相似度；使用优化算法优化以求得使推荐效果最优的权重；为每篇文章根据最优权重下的相似度和年份生成推荐列表。本发明通过元结构将语义信息融入到文章的相似性计算中，增强了引文推荐的可解释性。

技术领域

本发明涉及信息推荐技术领域，尤其涉及基于元结构技术的全局引文推荐方法、推荐系统。

近年来，随着科学技术的发展，学者们把撰写论文作为展示自己科研成果的重要手段，随之带来的科研文献数量飞速的增长。因此，如何准确地、高效地为科研人员推荐参考文献是一个具有挑战性的任务。全局引文推荐可以提高科研人员查找文献的效率，增强初学者对当前领域的认知，同时一定程度上降低错、漏引出现的概率。

如专利申请201511026567.7公开的一种基于文献内容知识图谱的多层引文推荐方法，首先获取用户的查询需求，查询需求由需要推荐引用论文或引用文献的论文的标题和摘要的关键词构成。然后，基于文献内容的知识图谱扩展查询检索词语，知识图谱由文献的研究对象词语和研究行为词语结点，以及表示同义、近义、上下位、部分整体、并列等各种语义关系的边构成。最后，构建数据集中文献的倒排索引，选取候选引文，计算候选引文和查询的相似度，采用梯度渐进回归树来进行引文推荐。

又如专利申请201810994562.0公开的一种基于神经机器翻译技术的局部引文推荐方法及系统，通过对原始数据集进行引文提取、词形还原、词频统计数据清洗操作，得到引文上下文与被引文章标题的平行语料并构建初始待被引文章列表库；通过词向量模型中的跳字模型结合负采样的方法将引文上下文与被引文章标题中出现的词嵌入到低维语义空间得到词向量，构建一个带有注意力机制的双向门控循环单元的编码器和门控循环单元的解码器框架，将平行语料中的引文上下文通过词向量模型转换为词向量后作为模型的输入，被引文章标题作为输出来训练模型；将编码器-解码器框架输出的种子标题与待被引文章列表中的所有文章标题逐条进行余弦相似度计算；依据文章年份，选取符合要求的文章作为推荐列表。

目前，全局引文推荐主要有两种方法：(1)基于主题的方法；(2)基于图结构的方法。其中基于主题的方法认为引文周围的词与引文外部的词享有不同的主题分布，并根据引文上下文和文章主题的相关性来推荐引文。基于图结构的方法相对于基于主题的方法增加了更多的限定条件，例如将论文合作者信息加入到引文推荐中，构建多层图结构用以分析特征间的联系。然而每张图只能呈现出两个特征间的关系(邻接矩阵的行和列)，这些分析方法并不能从全局的角度综合的考量文章与多种特征之间的关系。两种方法相比，基于主题适用于整理较为干净的文本，对文章的内容信息要求较高。而基于图结构的方法使用的文章特征较多，虽然精确度较高，但适用场景却十分有限。

发明内容

本发明所要解决的技术问题在于如何通过增强了引文推荐的可解释性来提高引文推荐的精确度。

本发明通过以下技术手段实现解决上述技术问题的：一种基于元结构技术的全局引文推荐方法，包括以下步骤：

S1、收集文章，构建原始数据集，原始数据集包括候选文章集与目标文章集；对原始数据集中的文章进行文章提取，得到文章的作者、出版商和术语，并使用文章、文章的作者、出版商和术语四种属性构建文章库；

S2、通过文章库中文章的作者、文章、术语和出版商四种属性建立异构信息网络；

S3、列举所有在异构信息网络中度数在三以内的元结构，并依据所选的元结构和基于元结构的相似度得到文章库中候选文章与目标文章的相似度；