面向可解释的科学会议/期刊推荐
信息检索
2021-09-24 v1 人工智能
摘要
为研究论文选择最佳的科学发表场所（即会议/期刊）是一项多方面的挑战。需要考虑的重要方面包括研究主题的契合度、场所的声望以及录用概率。随着新场所的持续涌现，这一选择问题愈发严峻。先前提出的用于辅助作者完成此过程的方法依赖于复杂的推荐系统，例如基于 Word2Vec 或 TextCNN 的系统。然而，这些系统往往难以对其推荐给出解释。在本工作中，我们提出一种简单的方法，从两个方面推进了当前最优水平：首先，我们通过基于非负矩阵分解的主题模型增强了推荐的可解释性；其次，令人惊讶的是，在使用更简单的学习方法的同时，我们仍能获得具有竞争力的推荐性能。
引用
@article{arxiv.2109.11343,
title = {Towards Explainable Scientific Venue Recommendations},
author = {Bastian Schäfermeier and Gerd Stumme and Tom Hanika},
journal= {arXiv preprint arXiv:2109.11343},
year = {2021}
}