作者：谢海涛; 肖雯; 黄劲松科研社交网络情报推荐协同过滤深度学习推荐系统跨学科研究
摘要：[目的/意义]科研社交网络是科研人员分享学术情报和寻找合作伙伴的重要平台,对跨学科合作有极大推动作用。虽然该类平台中的推荐系统能为用户提供符合其以往偏好的学术情报,但难以对围绕特定领域形成的学术社团推荐新颖的跨学科情报。[方法/过程]将用户的差异化信息传播贡献纳入考量,设计了侧重跨学科情报推荐的协同过滤算法。通过卷积神经网络预测候选情报与学术社团偏好的匹配度,从而优化推荐结果,并克服“数据稀疏”“冷启动”问题。[结果/结论]基于真实数据集进行实验,结果表明本方法对跨学科情报的推荐效果优于传统协同过滤,且推荐结果优化模型具有可扩展性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
