科研兴趣空间挖掘与多任务推荐研究——基于异质信息网络表示学习

丰富的互联网文献数据库是科研人员了解领域发展和前沿的重要资源,从全局视角对领域的海量科研成果进行高效信息挖掘,可以在知识洪流中为科研人员提供更加明确的方向。本研究基于经典生物医学文献数据库PubMed收录的发表于2010—2021年的13万篇文章,挖掘科研人员的历史行为信息,构建同时包含作者、论文、关键词的异质信息网络,利用异质信息网络表示学习算法metapath2vec将该网络嵌入成为异质向量空间,并通过计算异质向量空间中向量的相似度指标,同时实现科研合作者推荐与科研兴趣关键词推荐。与已有研究相比,本研究的方法更加重视多任务协同,不仅在新增的科研兴趣关键词的任务中获得了有意义的推荐结果,还显著提高了科研合作者推荐的准确度。同时,本研究在作者空间与关键词空间进行了深入挖掘,并证明其在科研兴趣的语义理解方面具有指导意义。本研究在科研兴趣的研究、挖掘与推荐方面提供了新的研究视角。