多视图融合TextRCNN的论文自动推荐算法

摘要：

传统论文自动推荐算法仅从单视图角度实现分类,缺乏特征融合及多视图语义知识,上下文信息和长距离依赖利用不明显,较难挖掘到深层次文本特征,从而限制学术论文推荐的准确度.针对这些问题,提出了一种基于多视图融合TextRCNN的论文自动推荐模型,该模型融合论文标题、关键词和摘要三个视图特征,利用卷积神经网络(CNN)、双向长短时记忆网络(BiLSTM)和注意力机制构建模型,实现对不同学科方向论文的自动分类及推荐.实验结果表明,设计的论文推荐模型在精确率、召回率和F1值上均有所提升,比机器学习方法平均提高3.40％、3.57％和3.49％,也优于单视图和已有经典的深度学习方法.该方法有效利用多视图知识和上下文语义信息,提高论文推荐的准确率,进而节约科研工作者检索所需论文所花费时间和精力,进一步提高科研人员的效率,推荐符合其研究需求的学术论文,具有良好的学术价值和应用扩展.

关键词：论文推荐、多视图融合、TextRCNN、注意力机制、深度学习

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省科学技术基金;贵州省科学技术基金;贵州省教育厅青年科技人才成长项目;贵州省教育厅青年科技人才成长项目;贵州省教育厅青年科技人才成长项目;贵州财经大学校级科研基金项目

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：110-119