中文题目:基于LSTM的个性化上下文感知引文推荐模型
发表在2018IEEE Access
L. Y ang, Y . Zheng, X. Cai, H. Dai,D. Mu, L. Guo, and T. Dai. A lstm based model for personalized context-aware citation recommendation.IEEE Access, 6:59618–59627, 2018.
摘要:科学论文的快速增长使其很难找到相关和适当的引用。上下文感知的引文推荐旨在克服这一问题,它提供了一份科学论文列表,给出了一段简短的文本。本文提出了一种基于长-短期记忆(LSTM)的上下文感知引文推荐模型,该模型首先基于LSTM分别学习引文上下文和科学论文的分布式表示。然后根据引文上下文和科技论文的分布表征,对相关性进行度量。最后,选择相关度较高的科学论文作为推荐列表。特别地,我们尝试将作者信息、地点信息和内容信息整合到科学论文分布式向量表示中。此外,我们将给定上下文的作者信息集成到引文上下文分布式向量表示中。因此,本文提出的模型使个性化的上下文感知引文推荐成为可能,这是一个新的问题,在过去很少有论