[發明專利]一種基于多屬性特征的文章推薦方法

有效

• 申請號: 202110418032.3
• 申請日: 2021-04-19
• 公開（公告）號: CN113158041B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 蔡世民;賀小雨;陳明仁
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/284;G06F16/33;G06K9/62;G06N3/08
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 陳一鑫

1.一種基于多屬性特征的文章推薦方法，該方法具體包括下列步驟：

步驟1：數據獲取；

獲取每一篇文章的數據包含作者、機構信息、文章標題文本、文章摘要文本、文章引文；根據獲取的文章引文構建全部文章的引文網絡，該引文網絡表示全部文章之間的引用聯系；根據作者、機構信息構建全部文章的異構網絡，該異構網絡表示全部文章之間關于作者、機構信息的聯系；

步驟2：根據步驟1構建的引文網絡計算每篇文章的struc2vec特征向量；

步驟3：根據步驟1獲取的文章標題文本、文章摘要文本計算每篇文章的doc2vec特征向量；

步驟4：根據步驟1獲構建的異構網絡計算每篇文章的metapath2vec特征向量；

步驟5：對每一篇文章，選取A篇struc2vec特征相似度最高的文章、B篇doc2vec特征相似度最高的文章、C篇metapath2vec特征相似度最高的文章；將選出的所有文章與這篇文章在引文網絡上建立聯系，且將每條聯系賦予權重，重構出一個含有多屬性特征的引文網絡；

步驟6：根據含有多屬性特征的引文網絡采用DeepWalk方法計算得到每篇文章的整體特征向量

步驟7：實際推薦時，對特定文章，選取整體特征向量相似度最高的多篇文章進行推薦。

2.如權利要求1所述的一種基于多屬性特征的文章推薦方法，其特征在于，所述步驟1中獲取每一篇文章數據的方法為：

步驟1.1：首先將多個空格、“\t”、“\n”、“^”符號后接的數字清洗掉；

步驟1.2：對于含有字符“@”的數據，“@”字符前面的一段連續字符認定為作者，“@”符號后面的一段連續字符認定為機構信息；針對剩下的數據中，利用“ins”、“insti”、“colle”、“cent”、“univ”關鍵字提取機構信息，再在剩下的數據在通過正則表達式提取作者；

步驟1.3：通過在維基百科上的學校名字或縮寫，同時滿足以下兩個條件則確認是同一個作者：

a)機構信息的縮寫是以“·”或“@”分割的郵箱信息的子串；

b)通過“@”字符得到的學者非全稱姓名是通過正則表達式得到學者全稱姓名的子串；

步驟1.4：根據文章信息直接獲取文章標題文本、文章摘要文本。