摘要
知识服务平台作为一种重要的知识传播和信息交流形式,旨在通过整合、挖掘和推送知识资源,为用户提供更为精准和有价值的信息内容,满足用户多样化的知识需求。近年来,随着学术文献的爆炸性增长,如何从海量的文献中精准地提取、推荐与用户相关的内容,成为知识服务平台面临的关键挑战。针对这一问题,本文提出了一种基于文本语义的用户协同过滤文献推荐算法。该算法首先通过训练文献推荐场景下的Doc2vec语义模型,表示学习文献深层次语义信息;其次结合用户协同过滤技术构建用户向量,分析兴趣相似的用户的行为偏好;最后制定排序规则,为目标用户生成个性化的文献推荐列表。实验结果表明,与基准算法相比,本文提出的算法能够有效提升推荐结果的准确性和用户满意度。
出处
《数字技术与应用》
2024年第3期126-129,共4页
Digital Technology & Application
作者简介
张良,同方知网数字出版技术股份有限公司,硕士,高级工程师,研究方向为信息系统研发与管理;王现臣,同方知网数字出版技术股份有限公司,硕士,研究方向为用户画像与推荐系统;肖银涛,同方知网数字出版技术股份有限公司,硕士,研究方向为用户画像与推荐系统;江程,同方知网数字出版技术股份有限公司,硕士,研究方向为用户画像与推荐系统。
