[发明专利]基于引用网络及用户熟练度分析的学术推荐方法及系统

摘要

本发明提供的一种基于引用网络及用户熟练度分析的学术推荐方法及系统，包括如下步骤：步骤1，采用模型进行分析，得到第一候选集；步骤2，采用论文引用网络进行分析，得到第二候选集；步骤3，采用用户熟悉度分析，得到第三候选集；步骤4，对第一候选集、第二候选集和第三候选集进行过滤排序，得到推荐候选集；步骤5，展示推荐候选集。与现有技术相比，本发明的有益效果如下：在传统推荐系统的基础之上，结合对引用网络及领域熟练度的分析，增强了学术推荐的个性化，打造了一套更加适合研究人员的推荐系统。

主权项

1.一种基于引用网络及用户熟练度分析的学术推荐方法，其特征在于，包括如下步骤：步骤1，采用模型进行分析，得到第一候选集；步骤2，采用论文引用网络进行分析，得到第二候选集；步骤3，采用用户熟悉度分析，得到第三候选集；步骤4，对第一候选集、第二候选集和第三候选集进行过滤排序，得到推荐候选集；步骤5，展示推荐候选集；步骤2包括：步骤2.1，根据用户输入的文本词频或关键词，得出与带有关键词的论文；步骤2.2，以论文的引用关系统计节点进行入度计算，建立论文与论文间的引用关系矩阵；步骤2.3，根据文本词频统计得到论文重要性的相关性向量；步骤2.4，对论文重要性的相关性向量与论文间的引用关系矩阵进行矩阵相乘运算，得到重要性矩阵；步骤2.5，通过重要性矩阵对论文进行排序，生成第二候选集；步骤2.5中，排序包括：步骤2.5A：按照论文出现次数及与起始论文的距离关系进行排序；或步骤2.5B：用聚类筛选论文的类别的结果和起始论文相似的论文并进行相似度排序；步骤2.5A包括：步骤2.5A.1，通过引用关系建立用户的论文和引用论文及引用论文的下级引用论文的关系网的图结构，调用Spark中GraphX模块统计出图中所有节点的入度信息；步骤2.5A.2，当图的节点超过100时，设置树的层数的最高值n，n为大于2的正整数，从i＝2到i＝n遍历第i层的节点，比较每一层中每个节点的入度值，从层的角度出发统计节点累计出现的次数，入度最大或出现次数最多的点对应图中重要性最大的论文；步骤2.5A.3，当图的节点数目小于100或图无回路时，单独考虑每条链路上的节点，选择拥有节点数目最多的路径的链路上的点并分析链路上节点的重要性信息，根据入度值的大小对节点的重要性进行排序，入度值越大，节点的重要性越大。