论文阅读笔记-Attention-Based Personalized Encoder-Decoder Model for Local Citation Recommendation

论文链接：Attention-Based Personalized Encoder-Decoder Model for Local Citation Recommendation (hindawi.com)

2019年发表在Computational Intelligence and Neuroscience期刊，期刊中文名为《计算智能和神经科学》。

摘要：随着科学论文数量的急剧增长，研究人员不得不花费太多的时间和精力来寻找他们想要的合适的论文。提供基于文本段的参考文献列表的局部引文建议可以缓解这个问题。现有的局部引文推荐方法大都集中在如何缩小科技论文与引文上下文文本内容之间的语义差异，而完全忽略了其他信息。受机器翻译中成功使用的编码器-解码器框架的启发，我们开发了一个基于注意机制的编码器-解码器(attention-based encoder-decoder,AED)模型用于局部引文推荐。提出的AED模型在注意机制中集成了期刊会议信息和作者信息，学习了引文上下文和科技论文这两个文本对象的变长文本之间的关系。具体来说，我们首先构造一个编码器，将引用上下文表示为低维空间中的向量；在此基础上，构建了融合期刊会议信息和作者信息的注意机制，并利用RNN构造解码器，然后将解码器的输出映射到一个softmax层，对科学论文进行评分。最后，我们选择得分较高的论文，生成推荐参考论文列表。我们在DBLP和ACL Anthology Network (AAN)数据集上进行了实验，结果表明，该方法的性能优于其他三种最先进的方法。