河海大学学报（自然科学版）
河海大學學報（自然科學版）
하해대학학보（자연과학판）
JOURNAL OF HOHAI UNIVERSITY (NATURAL SCIENCES)
2013年
3期
271-277
,共7页
文献推荐%因子图%主题概率分布%引文网络%循环最大和算法
文獻推薦%因子圖%主題概率分佈%引文網絡%循環最大和算法
문헌추천%인자도%주제개솔분포%인문망락%순배최대화산법
为克服传统的基于内容过滤或协同过滤的文献推荐方法在缺少用户描述信息(如用户历史兴趣)的情况下无法有效地向用户推荐文献的缺陷,提出一种基于因子图的文献推荐新方法.依赖一种结合了引文网络和网络中文献主题概率分布的因子图模型,进行循环最大和(loopy max-sum)近似推理.基于权威引文网络(Thomson Reuters公司出版的2008年版期刊引证报告)的实验结果表明:该方法能在缺少用户描述信息的情况下有效地推荐主题文献,尤其适合于领域初学者获取主题相关的高质量文献.
為剋服傳統的基于內容過濾或協同過濾的文獻推薦方法在缺少用戶描述信息(如用戶歷史興趣)的情況下無法有效地嚮用戶推薦文獻的缺陷,提齣一種基于因子圖的文獻推薦新方法.依賴一種結閤瞭引文網絡和網絡中文獻主題概率分佈的因子圖模型,進行循環最大和(loopy max-sum)近似推理.基于權威引文網絡(Thomson Reuters公司齣版的2008年版期刊引證報告)的實驗結果錶明:該方法能在缺少用戶描述信息的情況下有效地推薦主題文獻,尤其適閤于領域初學者穫取主題相關的高質量文獻.
위극복전통적기우내용과려혹협동과려적문헌추천방법재결소용호묘술신식(여용호역사흥취)적정황하무법유효지향용호추천문헌적결함,제출일충기우인자도적문헌추천신방법.의뢰일충결합료인문망락화망락중문헌주제개솔분포적인자도모형,진행순배최대화(loopy max-sum)근사추리.기우권위인문망락(Thomson Reuters공사출판적2008년판기간인증보고)적실험결과표명:해방법능재결소용호묘술신식적정황하유효지추천주제문헌,우기괄합우영역초학자획취주제상관적고질량문헌.
