| 成果基本信息 | ||||||
| 关键词: | 数据挖掘 | |||||
| 成果类别: | 应用技术 | 技术成熟度: | 初期阶段 | |||
| 体现形式(基础理论类): | 其他 | 体现形式(应用技术类): | 新技术 | |||
| 成果登记号: | 资源采集日期: | |||||
| 研究情况 | |||||
| 单位名称: | 武汉理工大学 | 技术水平: | 未评价 | ||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 评价证书号: | ||||
| 转化情况 | |||||
| 转让范围: | 合作开发 | 推广形式: | 合作开发 | ||
| 已转让企业数(个): | |||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
本发明公开了一种基于频繁主题集偏好的学术论文推荐方法,该模型在预测未知评分时,对包含频繁主题集的论文给予一定程度的偏重,频繁出现的主题集合通常代表学术研究的热点,从而凸显包含研究热点的学术论文的价值。该模型首先对语料库进行建模处理,得到论文在主题上的概率分布;从而挖掘出频繁出现的主题集合;最后在协同主题回归模型中融入频繁主题集对推荐结果的影响。本发明学术论文推荐算法考虑到频繁主题集在用户选择论文时的影响,提出基于频繁主题集偏好的协同主题回归模型,力求帮助用户找到更有价值的学术论文;在真实数据集上的实验证明,基于频繁主题集偏好的协同主题回归模型,对比PMF和CTR模型,在召回率和准确率上都有一定的提高 |