一种由知识图谱赋能的面向科研初学者的新型论文推荐方法
信息检索
2021-03-17 v1 机器学习
摘要
从不同学术数据库中检索论文是科研初学者获取跨领域技术解决方案最常用的方法。然而，这通常是低效的，有时甚至毫无用处，因为传统检索方法既不考虑不同领域中的知识异构性，也不构建检索的底层基础，包括但不限于目标解决方案的特征描述文本以及需排除的解决方案。为缓解该问题，本文通过引入“主从”领域知识图谱，提出了一种新型论文推荐方法，该方法不仅帮助用户更准确地表达其需求，还帮助推荐系统更好地表达知识。具体而言，它不受冷启动问题限制，且是一种面向挑战的方法。为验证所提方法的合理性与实用性，我们选取了两个跨领域和三个不同的学术数据库进行验证。实验结果表明，科研初学者使用所提方法在跨领域场景下获取新技术论文是可行的。此外，本文还提出了科研初学者在早期阶段的一种新研究范式。
引用
@article{arxiv.2103.08819,
title = {A Novel Paper Recommendation Method Empowered by Knowledge Graph: for Research Beginners},
author = {Bangchao Wang and Ziyang Weng and Yanping Wang},
journal= {arXiv preprint arXiv:2103.08819},
year = {2021}
}