考察文献活跃度特性的个性化引文推荐研究

本文通过将引文推荐问题转化为文献是否被引用的二元分类问题,发掘出影响文献被引用的关键特征,并依据这些特征提升了引文推荐的性能。在提取研究者的个性化引用偏好和常用的文献计量学特征的基础上,加入表征文献活跃度的特征指标,构建用以进行二元分类的特征库。利用Relief-F、RFE和LR3种方法从特征库中筛选出对文献是否被引具有重要价值的特征;利用朴素贝叶斯、SVM和Bagging3种分类器验证基于这些重要特征的引文推荐效果。实验结果表明,文献的活跃度特征、研究者的个性化引用偏好特征和文献对之间的主题相似性特征是提升引文推荐性能的关键因素。相对于基线方法,在这些关键特征上实施引文推荐,其准确率、召回率和F1值分别提升了6%、29%和26%。