基于学术社交网络用户关系的文献搜索推荐研究

摘要

[目的/意义]挖掘与利用学术社交网络数据,为用户推荐个性化的文献搜索结果,为增强与优化知识服务平台功能提供新的思路.[方法/过程]本文以学术社交网络为基础,构建其中学术用户间的关注关系网络,通过将度数声望与最短距离结合提出推荐指标.文献搜索推荐以特定用户视角展开,在利用该用户自身生成内容进行第一次搜索内容扩展后,计算出候选学者列表并用于第二次搜索扩展和文献相似度计算.[结果/结论]本文选择ResearchGate为学术社交网络数据来源,爬取"Artificial Intelligence"主题下的用户关系以及用户生成内容数据,推荐结果匹配用户搜索意图且所涉及学术领域更为详细,与用户自述的学术兴趣吻合度较高.