基于语义学者挖掘与主题建模的推荐系统：来自六个会议的研究者行为分析
信息检索
2018-12-21 v1 计算与语言
摘要
推荐系统在互联网社会中帮助在线用户方面占有重要地位。如今，计算机科学中的推荐系统在社交网络、图书馆网站等互联网门户的各个方面都具有非常实用的用途。实现推荐系统有若干种方法，潜在狄利克雷分配（Latent Dirichlet Allocation, LDA）是主题建模中流行的技术之一。近来，研究者提出了许多基于推荐系统与LDA的方法。鉴于该主题的重要性，本文挖掘了话题的趋势并发现了LDA话题与学者上下文文档之间的关系。事实上，我们基于吉布斯采样算法对来自DBLP数据集的六个计算机科学会议出版物应用了概率主题建模以进行语义挖掘。根据我们的实验结果，我们的语义框架可有效帮助相关组织更好地组织这些会议并涵盖未来的研究话题。
引用
@article{arxiv.1812.08304,
title = {Recommendation System based on Semantic Scholar Mining and Topic modeling: A behavioral analysis of researchers from six conferences},
author = {Hamed Jelodar and Yongli Wang and Mahdi Rabbani and Ru-xin Zhao and Seyedvalyallah Ayobi and Peng Hu and Isma Masood},
journal= {arXiv preprint arXiv:1812.08304},
year = {2018}
}