在 DBLP 数据集中学习对学术专家进行排序
信息检索
2015-01-22 v1
摘要
专家发现是一项信息检索任务，旨在针对特定主题搜索最具知识渊博的人员，搜索依据是描述人员活动的文档。该任务以用户查询为输入，返回按用户查询相关专家水平排序的人员列表。尽管近期该领域受到关注，但当前最先进技术缺乏原则性的方法来最优地结合不同来源的证据。本文提出了两种结合多种专家估计器的框架。这些估计器源自文本内容、专家社区的引用模式图结构以及专家的档案信息。具体而言，本文探讨了使用监督学习排序方法以及排序聚合方法来结合所有专家估计器。测试了多种代表点式、成对式和列表式方法的监督学习算法，并探索了各种最先进的数据融合技术用于排序聚合框架。在计算机科学领域的学术出版物数据集上进行的实验证明了所提方法的适用性。
引用
@article{arxiv.1501.05132,
title = {Learning to Rank Academic Experts in the DBLP Dataset},
author = {Catarina Moreira and Bruno Martins and Pável Calado},
journal= {arXiv preprint arXiv:1501.05132},
year = {2015}
}
备注
Expert Systems, 2013. arXiv admin note: text overlap with arXiv:1302.0413