FPSRS：一种用于论文投稿推荐系统的融合方法
信息检索
2022-05-13 v1 计算机视觉与模式识别
摘要
推荐系统在娱乐与消费领域日益流行，并在学术界显现，尤其是为科学家建议投稿科学文章的应用。然而，由于不同出版方存在各异的录用率、影响因子与排名，搜寻合适的会议或期刊以投稿科学成果通常耗费大量时间与精力。本文中，我们旨在呈现两种更新的方法，其扩展自我们发表于 IAE/AIE 2021 会议上的论文 [13]，除使用 Conv1D 外还采用了 RNN 结构。此外，我们还引入一种新方法，即 DistilBertAims，使用 DistillBert 针对大写与小写单词两种情形将 Title、Abstract 与 Keywords 等特征向量化，随后用 Conv1d 进行特征提取。进而，我们提出一种针对 Aim & Scope 与其他特征的相似度得分新计算方法；这有助于保持相似度得分计算的权重持续更新，并继而拟合更多数据。实验结果显示，第二种方法可获得更优性能，相较先前研究 [13] 的最佳结果在 Top 1 准确率上分别高出 62.46% 与 12.44%。
引用
@article{arxiv.2205.05965,
title = {FPSRS: A Fusion Approach for Paper Submission Recommendation System},
author = {Son T. Huynh and Nhi Dang and Dac H. Nguyen and Phong T. Huynh and Binh T. Nguyen},
journal= {arXiv preprint arXiv:2205.05965},
year = {2022}
}
备注
24 pages, 10 figures, 8 tables