[发明专利]时态感知学术信息的论文推荐方法、系统及介质

说明书

本发明公开了时态感知学术信息的论文推荐方法、系统及介质，方法包括：对用户信息和论文信息进行特征提取，得到用户特征数据、论文特征数据和评分数据；根据所述用户特征数据、论文特征数据和评分数据，对神经网络进行训练，得到初始推荐模型；通过时态感知函数对所述初始推荐模型进行动态加权处理，得到目标推荐模型；根据所述目标推荐模型，确定推荐的论文。本发明实施例提高了推荐系统的准确度和实用性，可广泛应用于内容推荐技术领域。

技术领域

本发明涉及内容推荐技术领域，尤其是时态感知学术信息的论文推荐方法、系统及介质。

背景技术

时态感知函数就是时间变化规律函数，主要是用来刻画时间的如何变化的，包括时间变化的速率，从而得到其变化轨迹，一般包括线性、逻辑回归、指数型等。一般可以用来刻画一部电影、一篇文章、一个短视频的热度变化，用户的兴趣变化等。

随着社交网络的快速发展，学者与学者之间的交流也在不断增加。然而，在信息爆炸的时代，如何从海量的数据中挖掘出有意义的信息是一个重大挑战。推荐系统在缓解信息过载方面起到了举足轻重的作用，被广泛应用于包括社交网络在内的各种在线服务中。因此，学者之间的交流更加频繁，产生了大量的学术论文。从各种各样的论文中找出人们的兴趣所在是现代学术论文推荐系统的关键。

目前,学术论文推荐算法主要包括协同过滤算法和基于内容的推荐方法。其中，协同过滤算法又包括基于用户和基于物品的协同过滤。传统的基于邻域的协同过滤算法根据用户的行为数据，计算用户或物品之间相似度的历史，然后将相似度很大的用户或物品划分为同一组邻域最后，邻居们互相推荐。

该算法可以利用相似用户的反馈信息寻找用户的潜在兴趣，但也存在数据冷启动、稀疏、时效性短等问题。此外，时间是非常重要的因素。我们都知道，如果一篇学术论文是几十年前发表的，那么它的影响将是微弱的，这意味着它的参考价值更少。

因此，需要提供一种既能解决数据冷启动、稀疏等问题，又能有效控制数据的时效性问题的方法。

发明内容

有鉴于此，本发明实施例提供一种准确度高且实用性高的时态感知学术信息的论文推荐方法、系统及介质。

本发明的第一方面提供了一种时态感知学术信息的论文推荐方法，包括：

对用户信息和论文信息进行特征提取，得到用户特征数据、论文特征数据和评分数据；

根据所述用户特征数据、论文特征数据和评分数据，对神经网络进行训练，得到初始推荐模型；

通过时态感知函数对所述初始推荐模型进行动态加权处理，得到目标推荐模型；

根据所述目标推荐模型，确定推荐的论文。

在一些实施例中，所述对用户信息和论文信息进行特征提取，得到用户特征数据、论文特征数据和评分数据，包括：

对所述用户信息以及被所述用户标记过的论文信息进行特征提取，得到用户标识以及所述论文的评价标签数据；

将所述论文信息输入Doc2Vec的训练模型中，得到论文的文档向量数据，所述文档向量数据包括论文的标识、论文的主旨以及论文中的专业术语；

根据用户对论文标记的标签信息，确定用户-论文关系列表，所述用户-论文关系列表包括用户标识、论文标识、标记时间以及标签类别。

在一些实施例中，所述将所述论文信息输入Doc2Vec的训练模型中，得到论文的文档向量数据，包括：

获取被用户标记过的论文信息；

将所述论文信息转换为多个向量；

将所述多个向量连接成句向量；