基于深度学习的科技信息文献推荐模型研究

摘要：

[目的/意义]传统的科技信息文献推荐模型没有充分挖掘科技信息文献以及科研人员的本身特征,因此,文章结合深度学习技术获得健壮的用户及文献特征,提高推荐精度.[方法/过程]在传统概率矩阵分解模型中加入科研人员合作作者以及文献文本信息来构建推荐模型.首先,堆叠去噪自编码器(SDA)利用科研人员合作作者信息提取用户特征;其次,融合注意力机制的双向长短时记忆网络(BiLSTM-Attention)利用文献文本信息提取文献特征;最后,在概率矩阵分解方法中,加入用户特征矩阵和文献特征矩阵,从而预测科研人员偏好,实现个性化科技信息文献推荐.[结果/结论]通过实验证明,新提出的方法在模型上具有更好的拟合准确度,提高了推荐效果.

关键词：深度学习;文献推荐;科技信息;概率矩阵分解;双向长短时记忆网络;堆叠去噪自编码器;推荐模型

所属期刊栏目：44

在线出版日期：2021-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：160-165