一种以科研团队为服务对象的科研人员推荐模型

【目的】本研究提出一种针对科研团队的深度学习组推荐模型,旨在满足科研团队招聘科研人员的需求,提高推荐效率。【方法】首先应用自注意力机制学习团队的语义表示,接着采用神经协同过滤模型学习团队与科研人员间的非线性关系,最终得到团队与人员的契合程度作为推荐的依据。【结果】实验结果显示,在公共数据集上,与基线模型相比,本文模型在推荐正确率和F1值上分别提高10.22和10.25个百分点,在实际推荐场景中表现优异。【局限】深度学习模型的参数量较小,仍有优化空间。【结论】本文模型可以有效提高科研人员招聘的效率,有助于科研服务机构提升服务水平,满足科研团队招聘人员的需求。

面向科研社交网络的小同行双向推荐算法

针对科研社交网络中现有推荐研究缺乏双向意愿考虑的问题,引入小同行推荐场景中隐含的互惠性特征。从用户历史交互数据挖掘出基于协同过滤的互惠性特征,并基于该特征对候选推荐列表进行优化,以满足用户在寻找科研小同行过程中期望得到回应的要求。通过结合科研人员基于多维度的相似性,提出一种新颖的基于混合互惠性的小同行双向推荐方法。实验表明,基于混合互惠性的双向推荐方法能够有效地提高小同行匹配的成功率,从而提高推荐的效果。