计算机应用研究

作者：李冉,林泓,

单位：武汉理工大学计算机科学与技术学院,武汉430063；

关键词：论文推荐,主题模型,频繁主题集,

针对学术论文推荐中项目冷启动问题，提出了一种基于频繁主题集偏好的协同主题回归模型。该算法考虑到用户在选择学术论文时对研究热点的偏好，使用频繁主题集代表研究热点，将用户对研究热点的偏好表示成用户对频繁主题集的偏好。通过潜在狄利克雷分布主题模型挖掘得到论文—主题概率分布矩阵，并筛选出论文中概率较高的主题；然后挖掘出频繁出现的主题集合，并得到论文—频繁主题集矩阵；最后在预测未知评分时融入用户对频繁主题集的偏好。在CiteULike数据集上的实验表明，相比于矩阵分解模型和协同主题回归模型，该算法在召回率、准确率和RMSE三个指标上都有所提升。

来源：2019年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第9期