|
本帖最后由 tangzk 于 2013-6-22 16:53 编辑
Tang, J., & Zhang, J. (2009). A discriminative approach to topic-based citation recommendation. Advances in Knowledge Discovery and Data Mining (pp. 572–579). Springer.
作者介绍:唐杰,清华大学知识工程实验室副教授,在社交网络挖掘领域很有影响力,网站Arnetminer.org是学术挖掘的好帮手。
主要针对Citation Recommendation问题,提出基于论文内容和文献引用关联的主题模型,用于引文的推荐和引文位置的匹配。
首先定义如下:
论文\(d\):包括一个长度为\( N_d \)的词向量\( \vec{w}_d \),和长度为\( L_d \)的引用列表向量\( \vec{I}_d \),另外认为每篇论文关联T个主题的分布,引用也一样;
论文集\(D\):论文的集合,可表示为\( \{ (\vec{w}_1, \vec{I}_1), ..., (\vec{w}_D, \vec{I}_D) \} \)。
Citation Context:指论文中出现的引用文字;
Citation Sentence:在citation context中的每个句子
针对引文推荐问题,文中提出的方法流程是:
1、首先从citation context中提取主题topics,称为topics discovery;
2、根据topic推荐论文,称为paper recommendation;
3、将所推荐的论文与citation sentences和相应的citation position匹配。
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有帐号?注册
x
|