画像 vs. 时间 vs. 内容：基于Twitter画像的Top-k论文推荐何种因素至关重要？——扩展技术报告
数字图书馆
2016-06-28 v3 信息检索
摘要
迄今为止，尚不清楚基于用户推文的科学出版物推荐系统的不同因素如何影响推荐性能。我们考察三种不同因素，即画像方法、时间衰减和内容丰富度。关于画像，我们比较了CF-IDF（将TF-IDF中的词项替换为语义概念）、作为CF-IDF新型层次变体的HCF-IDF以及主题建模。作为时间衰减函数，我们采用滑动窗口与指数衰减。在内容丰富度方面，我们比较使用出版物全文与标题以及仅使用标题的推荐。总体而言，三因素构成十二种推荐策略。我们开展了有123名参与者的在线实验，并在组内设计中比较这些策略。最佳推荐由结合CF-IDF、滑动窗口及使用全文的策略取得。然而，使用新型HCF-IDF画像方法的策略仅用出版物标题便取得相似结果。因此，当仅有短且稀疏的数据可用时，HCF-IDF能进行推荐。
引用
@article{arxiv.1603.07016,
title = {Profiling vs. Time vs. Content: What does Matter for Top-k Publication Recommendation based on Twitter Profiles? - An Extended Technical Report},
author = {Chifumi Nishioka and Ansgar Scherp},
journal= {arXiv preprint arXiv:1603.07016},
year = {2016}
}