[發明專利]一種基于用戶行為的學術資源推薦方法

有效

• 申請號: 201611128680.0
• 申請日: 2016-12-09
• 公開（公告）號: CN106802915B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 劉柏嵩;尹麗玲;王洋洋;高元;費晨杰
• 申請（專利權）人: 寧波大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/332;G06F16/338
• 代理公司: 寧波奧圣專利代理事務所(普通合伙) 33226
• 代理人: 程曉明

本發明公開了一種基于用戶行為的學術資源推薦方法，特點是：包括步驟：①對資源庫中所有學術資源從資源類型、學科分布、關鍵詞分布和LDA主題分布四個維度建模，得到學術資源模型；②根據篩選規則，得到待推薦的學術資源集合；③獲取用戶瀏覽記錄，計算用戶對瀏覽過的每條學術資源產生的行為系數；④基于行為系數與學術資源模型構建用戶興趣模型；⑤計算每條待推薦學術資源與用戶興趣模型的相似度；⑥根據相似度，從待推薦學術資源集合中對用戶進行Top?N推薦，優點是：能同時推薦多種類型的學術資源，推薦范圍全面；從三個維度對學術資源的質量值進行衡量，為用戶推薦感興趣且高質量的學術資源；從四個維度對學術資源建模更能準確挖掘其內容信息。

技術領域

本發明涉及個性化學術推薦技術領域，尤其涉及一種基于用戶行為的學術資源推薦方法。

背景技術

21世紀是大數據時代，每天都有海量的多類型學術資源實時涌現，這些多類型學術資源主要包括：學術論文、學術會議、學術專利、學術新聞和學術書籍等，這些學術資源對于用戶精準、高效地掌握感興趣領域的科研現狀意義重大。但是由于多類型學術資源的特點是異質、異構，且不斷增長，利用傳統的Google Scholar、Software Academic Search、Web of Science和百度學術等學術搜索引擎查找目標資源既費時費力，又不能滿足用戶的個性化需求。因此，個性化學術推薦技術的出現很好的解決了這一問題，它根據用戶的興趣偏好，快速主動地為用戶推送其感興趣的學術資源。

近年來，在學術資源推薦領域，科研人員提出了一系列推薦算法，如協同過濾(Collaborative Filtering,CF)、內容過濾(Content-Based Filtering,CBF)及其混合模型。在實際工業界，諸如學術資源等文本推薦服務通常采用CBF+X的混合模型：例如YouTobe推薦使用CBF+ItemCF的方案，豆瓣圖書推薦采用CBF+Weight-CF的方案。由于CBF有助于解決新項目的冷啟動問題,使CBF成為文本推薦服務必不可少的一部分。

現有技術中，Wang等人主要基于論文的關鍵詞分布(由TF-IDF算法得出)為用戶推薦學術論文，綜合考慮學術論文之間的文本相似性、作者相似性、親密度和影響力等因素提出兩種算法，為用戶推薦有價值的學術論文。Zhao等人基于研究者的背景知識和研究目標之間的差距為其推薦有效的學術論文。上述研究主要專注于學術論文而對其他諸類型的學術資源如學術專利、學術會議、學術新聞和學術書籍等研究較少，更缺少對多種類型的學術資源同時進行個性化推薦的研究，推薦的學術資源類型單一，不夠全面。

A Daud等人基于LDA主題模型，提出一種考慮詞語內在結構和關系的組主題建模方法，但作者沒有考慮學術論文的學科主題分布，而學術論文的學科專業性很強，通常一篇學術論文能夠歸屬到一個或幾個學科門類下，因此該算法的推薦結果不夠準確。

Pera將用戶行為，如引用論文、顯示評分加入內容過濾算法，為用戶推薦感興趣的學術論文。Felix等人根據現有的科研社區數據設計了社區推薦系統，意圖根據作者之間的社交關系，為用戶推薦學術會議。上述研究主要專注于為用戶推薦感興趣的或者與其研究方向相關的學術資源，但是對科研人員而言，不僅注重學術資源是否符合其研究興趣或方向，同時也注重學術資源的高質性，因此上述研究在推薦高質量的學術資源方面仍存在缺陷。

發明內容

為了解決上述現有技術中存在的不足，本發明提供一種基于用戶行為的學術資源推薦方法，該方法能夠使用戶快速準確地同時獲取感興趣、高質量的多類型學術資源。

本發明解決上述技術問題所采用的技術方案為：一種基于用戶行為的學術資源推薦方法，包括以下步驟：

①對資源庫中的所有學術資源從資源類型、學科分布、關鍵詞分布和LDA主題分布共四個維度進行建模，得到學術資源模型；

②根據篩選規則，對資源庫中的所有學術資源進行篩選，得到待推薦的學術資源集合；