基于元结构技术的全局引文推荐方法、推荐系统技术方案

本发明专利技术公开基于元结构技术的全局引文推荐方法，对原始数据集进行文章提取、词频统计、关键短语筛选数据清洗操作，得到文章并使用文章、文章的作者、出版商和术语信息构建文章库；通过文章库中文章以及文章的作者、出版商和术语，建立异构信息网络；使用三度影响力原则选取三度以内的元结构，并依据所选的元结构和基于元结构的相似度计算技术得到文章库中文章的相似度；提出方法为每个元结构加权来融合文章间基于不同元结构获得的不同的相似度；使用优化算法优化以求得使推荐效果最优的权重；为每篇文章根据最优权重下的相似度和年份生成推荐列表。本发明专利技术通过元结构将语义信息融入到文章的相似性计算中，增强了引文推荐的可解释性。

Global Citation Recommendation Method and Recommendation System Based on Metastructure Technology

【技术实现步骤摘要】
基于元结构技术的全局引文推荐方法、推荐系统
本专利技术涉及信息推荐
，尤其涉及基于元结构技术的全局引文推荐方法、推荐系统。近年来，随着科学技术的发展，学者们把撰写论文作为展示自己科研成果的重要手段，随之带来的科研文献数量飞速的增长。因此，如何准确地、高效地为科研人员推荐参考文献是一个具有挑战性的任务。全局引文推荐可以提高科研人员查找文献的效率，增强初学者对当前领域的认知，同时一定程度上降低错、漏引出现的概率。如专利申请201511026567.7公开的一种基于文献内容知识图谱的多层引文推荐方法，首先获取用户的查询需求，查询需求由需要推荐引用论文或引用文献的论文的标题和摘要的关键词构成。然后，基于文献内容的知识图谱扩展查询检索词语，知识图谱由文献的研究对象词语和研究行为词语结点，以及表示同义、近义、上下位、部分整体、并列等各种语义关系的边构成。最后，构建数据集中文献的倒排索引，选取候选引文，计算候选引文和查询的相似度，采用梯度渐进回归树来进行引文推荐。又如专利申请201810994562.0公开的一种基于神经机器翻译技术的局部引文推荐方法及系统，通过对原始数据集进行引文提取、词形还原、词频统计数据清洗操作，得到引文上下文与被引文章标题的平行语料并构建初始待被引文章列表库；通过词向量模型中的跳字模型结合负采样的方法将引文上下文与被引文章标题中出现的词嵌入到低维语义空间得到词向量，构建一个带有注意力机制的双向门控循环单元的编码器和门控循环单元的解码器框架，将平行语料中的引文上下文通过词向量模型转换为词向量后作为模型的输入，被引文章标题作为输出来训练模型；将编码器-解码器框架输出的种子标题与待被引文章列表中的所有文章标题逐条进行余弦相似度计算；依据文章年份，选取符合要求的文章作为推荐列表。目前，全局引文推荐主要有两种方法：(1)基于主题的方法；(2)基于图结构的方法。其中基于主题的方法认为引文周围的词与引文外部的词享有不同的主题分布，并根据引文上下文和文章主题的相关性来推荐引文。基于图结构的方法相对于基于主题的方法增加了更多的限定条件，例如将论文合作者信息加入到引文推荐中，构建多层图结构用以分析特征间的联系。然而每张图只能呈现出两个特征间的关系(邻接矩阵的行和列)，这些分析方法并不能从全局的角度综合的考量文章与多种特征之间的关系。两种方法相比，基于主题适用于整理较为干净的文本，对文章的内容信息要求较高。而基于图结构的方法使用的文章特征较多，虽然精确度较高，但适用场景却十分有限。
技术实现思路
本专利技术所要解决的技术问题在于如何通过增强了引文推荐的可解释性来提高引文推荐的精确度。本专利技术通过以下技术手段实现解决上述技术问题的：一种基于元结构技术的全局引文推荐方法，包括以下步骤：S1、收集文章，构建原始数据集，原始数据集包括候选文章集与目标文章集；对原始数据集中的文章进行文章提取，得到文章的作者、出版商和术语，并使用文章、文章的作者、出版商和术语四种属性构建文章库；S2、通过文章库中文章的作者、文章、术语和出版商四种属性建立异构信息网络；S3、列举所有在异构信息网络中度数在三以内的元结构，并依据所选的元结构和基于元结构的相似度得到文章库中候选文章与目标文章的相似度；S4、对S3中的每个元结构进行加权，用以融合文章间基于不同元结构获得的不同的相似度；根据候选文章与目标文章之间的相似度，为所有目标文章根据相似度排名生成推荐列表；S5、使用优化算法优化推荐列表。优选地，所述步骤S1中的术语的提取包括以下步骤：S11、提取原始数据集中所有的文章信息，并去除信息不全的文章，将题目和摘要作为文章的文本信息；S12、根据词频和逆文本频率指数相乘得到每个词的TF-IDF，文章中的某个词α的词频计算公式如下：词a的逆文本频率计算公式如下：根据词频和逆文本频率计算词a的TF-IDF值，公式如下：TF-IDF＝TF(a)×IDF(a)取TF-IDF值排名靠近的词作为文章的关键词；将每篇文章的文本输入TextBlob工具，得到每篇文章的关键短语；S13、将步骤S11获得的关键词与步骤S12获得的关键短语进行合并、去重，将去重后的关键词、关键短语作为文章的术语。优选地，所述S2中通过以下步骤建立异构信息网络；S21、根据每篇文章和该文章包含的术语构建异构信息网络的文章、术语边；S22、根据每篇文章和该文章的作者构建异构信息网络的文章、作者边；S23、根据每篇文章和该文章的出版商构建异构信息网络的文章、出版商边；S24、根据每篇候选文章和该候选文章的引文构建异构信息网络的文章、文章边。优选地，所述S3包括以下步骤：S31、列举所有在异构信息网络中文章、文章的作者、出版商和术语中度数在三以内的从文章节点出发到文章节点结束的M个元结构，表示为S＝{S1，S2，...，SM}；S32、使用基于元结构的BSCSE算法处理文章间基于S31中所有元结构的相似度，得到目标文章tpu与候选文章cpi在元结构下的相似度；原始数据集中K篇目标文章TP＝{tp1，tp2，...，tpK}和N篇候选文章CP＝{cp1，cp2，...，cpN}之间基于所选的M个元结构下的相似度：其中，tpu表示第u篇目标文章，表示第u篇目标文章在网络中对应的节点，u∈[1，K]；Sj表示第j个元结构；其中，d(Sj)表示元结构Sj的维度；j∈[1，M]；cpi表示第i篇候选文章，表示第i篇候选文章在网络中对应的节点，i∈[1，N]；表示从目标文章节点的邻居节点中选出类型为的节点，其中，vl表示目标文章节点的邻居节点中，类型为的节点中的第l个，表示网络中目标文章节点的所有邻居节点，表示目标文章节点的邻居节点个数，|V|表示网络中所有节点的个数；r(vl)∈{文章，作者，出版商，术语}；表示元结构Sj的第二项；表示网络中从节点vl开始到候选文章节点为止，所有满足元结构的路径实例的个数；其中，表示Sj去除第一项的剩余部分的元结构，表示元结构Sj的第一项；表示网络中从点vl开始，所有满足元结构的路径实例的个数，其中，表示Sj去除第一项的剩余部分的元结构，表示元结构Sj的第一项；表示网络中从目标文章节点开始，满足元结构的路径实例的个数的β次幂，其中，表示第u篇目标文章在网络中对应的节点；表示由元结构Sj的第一项和第二项组成的元结构；β是一个权重系数，取值在[0，1]之间。优选地，所述S4包括：S41、为S31步骤中所选的M个元结构赋予权重，权重依次为W＝{w1，w2，...，wM}；其中，wM表示第M个元结构的权重；S42、采用相似度模型以衡量目标文章tpu∈TP与候选文章cpi∈CP之间的相似性，相似度模型如下：优选地，所述S5采用粒子群优化算法，包括以下步骤：S51、将待求解的权重W＝{w1，w2，...，wM}作为粒子群优化算法中待求解的问题，不同权重的排列组合构成解空间中不同的解，在粒子群优化算法第h次迭代中，解xh为并且，每个解xh作为粒子群优化算法中粒子的位置；S52、在粒子群优化算法的下一次迭代中，解优化的过程中，将推荐的召回率作为目标函数，并且每个粒子记录自己所走过的位置中的最优位置pbest，优化过程中也会记录空间中所有粒子走过的位置中的最优位置gbest，设置本文档来自技高网...

【技术保护点】
1.一种基于元结构技术的全局引文推荐方法，其特征在于，包括以下步骤：S1、收集文章，构建原始数据集，原始数据集包括候选文章集与目标文章集；对原始数据集中的文章进行文章提取，得到文章的作者、出版商和术语，并使用文章、文章的作者、出版商和术语四种属性构建文章库；S2、通过文章库中文章的作者、文章、术语和出版商四种属性建立异构信息网络；S3、列举所有在异构信息网络中度数在三以内的元结构，并依据所选的元结构和基于元结构的相似度得到文章库中候选文章与目标文章的相似度；S4、对S3中的每个元结构进行加权，用以融合文章间基于不同元结构获得的不同的相似度；根据候选文章与目标文章之间的相似度，为所有目标文章根据相似度排名生成推荐列表；S5、使用优化算法优化推荐列表。

【技术特征摘要】
1.一种基于元结构技术的全局引文推荐方法，其特征在于，包括以下步骤：S1、收集文章，构建原始数据集，原始数据集包括候选文章集与目标文章集；对原始数据集中的文章进行文章提取，得到文章的作者、出版商和术语，并使用文章、文章的作者、出版商和术语四种属性构建文章库；S2、通过文章库中文章的作者、文章、术语和出版商四种属性建立异构信息网络；S3、列举所有在异构信息网络中度数在三以内的元结构，并依据所选的元结构和基于元结构的相似度得到文章库中候选文章与目标文章的相似度；S4、对S3中的每个元结构进行加权，用以融合文章间基于不同元结构获得的不同的相似度；根据候选文章与目标文章之间的相似度，为所有目标文章根据相似度排名生成推荐列表；S5、使用优化算法优化推荐列表。2.根据权利要求1所述的基于元结构技术的全局引文推荐方法，其特征在于，所述步骤S1中的术语的提取包括以下步骤：S11、提取原始数据集中所有的文章信息，并去除信息不全的文章，将题目和摘要作为文章的文本信息；S12、根据词频和逆文本频率指数相乘得到每个词的TF-IDF，文章中的某个词α的词频计算公式如下：词a的逆文本频率计算公式如下：根据词频和逆文本频率计算词a的TF-IDF值，公式如下：TF-IDF＝TF(a)×IDF(a)取TF-IDF值排名靠近的词作为文章的关键词；将每篇文章的文本输入TextBlob工具，得到每篇文章的关键短语；S13、将步骤S11获得的关键词与步骤S12获得的关键短语进行合并、去重，将去重后的关键词、关键短语作为文章的术语。3.根据权利要求1所述的基于元结构技术的全局引文推荐方法，其特征在于，所述S2中通过以下步骤建立异构信息网络；S21、根据每篇文章和该文章包含的术语构建异构信息网络的文章、术语边；S22、根据每篇文章和该文章的作者构建异构信息网络的文章、作者边；S23、根据每篇文章和该文章的出版商构建异构信息网络的文章、出版商边；S24、根据每篇候选文章和该候选文章的引文构建异构信息网络的文章、文章边。4.根据权利要求1所述的基于元结构技术的全局引文推荐方法，其特征在于，所述S3包括以下步骤：S31、列举所有在异构信息网络中文章、文章的作者、出版商和术语中度数在三以内的从文章节点出发到文章节点结束的M个元结构，表示为S＝{S1，S2，...，SM}；S32、使用基于元结构的BSCSE算法处理文章间基于S31中所有元结构的相似度，得到目标文章tpu与候选文章cpi在元结构下的相似度；原始数据集中K篇目标文章TP＝{tp1，tp2，...，tpK}和N篇候选文章CP＝{cp1，cp2，...，cpN}之间基于所选的M个元结构下的相似度：其中，tpu表示第u篇目标文章，表示第u篇目标文章在网络中对应的节点，u∈[1，K]；Sj表示第j个元结构；其中，d(Sj)表示元结构Sj的维度；j∈[1，M]；cpi表示第i篇候选文章，表示第i篇候选文章在网络中对应的节点，i∈[1，N]；表示从目标文章节点的邻居节点中选出类型为的节点，其中，vl表示目标文章节点的邻居节点中，类型为的节点中的第l个，表示网络中目标文章节点的所有邻居节点，表示目标文章节点的邻居节点个数，|V|表示网络中所有节点的个数；r(vl)∈{文章，作者，出版商，术语}；表示元结构Sj的第二项；表示网络中从节点vl开始到候选文章节点为止，所有满足元结构的路径实例的个数；其中，表示Sj去除第一项的剩余部分的元结构，表示元结构Sj的第一项；表示网络中从点vl开始，所有满足元结构的路径实例的个数，其中，表示Sj去除第一项的剩余部分的元结构，表示元结构Sj的第一项；表示网络中从目标文章节点开始，满足元结构的路径实例的个数的β次幂，其中，表示第u篇目标文章在网络中对应的节点；表示由元结构Sj的第一项和第二项组成的元结构；β是一个权重系数，取值在[0，1]之间。5.根据权利要求4所述的基于元结构技术的全局引文推荐方法，其特征在于，所述S4包括：S41、为S31步骤中所选的M个元结构赋予权重，权重依次为W＝{w1，w2，...，wM}；其中，wM表示第M个元结构的权重；S42、采用相似度模型以衡量目标文章tpu∈TP与候选文章cpi∈CP之间的相似性，相似度模型如下：6.根据权利要求5所述的基于元结构技术的全局引文推荐方法，其特征在于，所述S5采用粒子群优化算法，包括以下步骤：S51、将待求解的权重W＝{w1，w2，...，wM}作为粒子群优化算法中待求解的问题，不同权重的排列组合构成解空间中不同的解，在粒子群优化算法第h次迭代中，解xh为并且，每个解xh作为粒子群优化算法中粒子的位置；S52、在粒子群优化算法的下一次迭代中，解优化的过程中，将推荐的召回率作为目标函数，并且每个粒子记录自己所走过的位置中的最优位置pbest，优化过程中也会记录空间中所有粒子走过的位置中的最优位置gbest，设置终止的损失函数值...

【专利技术属性】
技术研发人员：赵姝，赵桓幜，陈喜，陈洁，段震，张燕平，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34