文档嵌入 vs. 关键词短语 vs. 术语：数字图书馆推荐系统中的在线评估
信息检索
2019-05-28 v1 数字图书馆
摘要
数字图书馆推荐系统运营者可用的推荐算法众多。这些算法的有效性很大程度上缺乏通过在线评估的报道。我们将一种标准的基于术语的推荐方法，与两种用于数字图书馆相关文章推荐的有前景的方法——文档嵌入与关键词短语——进行比较。我们评估了它们在多个场景下性能的一致性。通过我们的推荐即服务系统 Mr. DLib，我们在 2017 年 3 月至 2018 年 10 月共 19 个月期间，向 Sowiport 与 Jabref 的用户提供了 3350 万条推荐。算法的有效性在 Sowiport 与 Jabref 之间存在显著差异（Wilcoxon 秩和检验；p < 0.05）。在两种场景下，最佳与最差算法之间的有效性差异约为 400%。Sowiport 中性能最佳的算法（术语）是 Jabref 中性能最差的。Jabref 中性能最佳的算法（关键词短语）在 Sowiport 中的表现比 Sowiport 的最佳算法差 70%（点击率；术语 0.1%，关键词短语 0.03%）。
引用
@article{arxiv.1905.11244,
title = {Document Embeddings vs. Keyphrases vs. Terms: An Online Evaluation in Digital Library Recommender Systems},
author = {Andrew Collins and Joeran Beel},
journal= {arXiv preprint arXiv:1905.11244},
year = {2019}
}