论文题目:Gated relational stacked denoising autoencoder with localized author
embedding for global citation recommendation
中文题目:面向全局引文推荐的基于局部作者嵌入的门控关系堆栈降噪自动编码器
发表在2021年Expert Systems With Applications 期刊,期刊概述如下。
摘要:引文推荐是一种有效的方法,可以帮助作者找到想要的参考文献。本文提出了一种基于神经网络的基于局部作者嵌入的门控关系概率堆栈去噪自编码器模型,用于全局引文推荐任务。我们的模型由两个具有不同神经网络结构的模块组成。对于每一篇引用和被引用的论文,我们使用一个门控论文嵌入模块,通过添加门控单元来获得它们的论文向量。所增加的门控单元能够利用被引论文的文本信息,在多个语义层次上细化被引论文的向量表示。对于论文中的作者,首先使用主题模型获取其语义邻居,然后使用局部作者嵌入(LAE)模块从语义和显式邻居中挖掘作者向量表示。与大多数基于图卷积网络(GCN)的方法不同,LAE模块可以通过取有限的邻域来避免在整个图中计算全局拉普拉斯算子。此外,LAE模块还可以通过堆叠来吸收更多的邻居,这使得我们的模型具有很高的可扩展性。在此基础上,提出了基于最大后验(MAP)估计的模型学习算法。我们在AAN