本發(fā)明涉及推薦技術(shù)領(lǐng)域，特別是涉及一種基于引用關(guān)系分布式表達(dá)的論文推薦方法。

背景技術(shù)：

學(xué)術(shù)推薦系統(tǒng)作為學(xué)術(shù)服務(wù)的重要一環(huán)，已經(jīng)被引入到很多學(xué)術(shù)搜索引擎系統(tǒng)當(dāng)中，比如CiteSeerX，Google Scholar，PubMed等等。通過學(xué)術(shù)推薦系統(tǒng)，研究者會(huì)被推薦與其現(xiàn)有研究論文相關(guān)的其他論文，研究者可以檢查他們引用資料的完整性，節(jié)省搜尋相關(guān)工作的人力，快速接觸到自己領(lǐng)域的新論文。

推薦系統(tǒng)的本質(zhì)就是為特定的用戶猜測(cè)感興趣的特定的物品并推送。根據(jù)推薦基于信息的不同，主要分為基于內(nèi)容的推薦，基于協(xié)同過濾的推薦，社會(huì)化推薦和混合模型推薦。在論文的推薦系統(tǒng)當(dāng)中，存在著一種特殊的基于引用的推薦。論文的引用表示該論文對(duì)于前人所做過的工作的系統(tǒng)的調(diào)研和追索，包括對(duì)其研究課題的整個(gè)歷史、現(xiàn)狀和發(fā)展趨勢(shì)的一個(gè)總體的資料集合。引用支持論據(jù)有助于增加學(xué)術(shù)論文的可信度。兩篇論文的引用的相似度越高，這兩篇論文在課題上，內(nèi)容上的相似性就越高。隨著科研水平的提高，論文的數(shù)量與論文之間的引用數(shù)量也逐年呈指數(shù)式的增長(zhǎng)，如何利用論文的引用信息來獲得論文推薦的信息，成為一個(gè)令學(xué)術(shù)推薦系統(tǒng)研究者們愈加重視的課題。

現(xiàn)有的基于論文引用信息來提供推薦信息的工作，其中的代表模型有傳統(tǒng)的引用預(yù)測(cè)模型與協(xié)同過濾模型，都局限于使用論文引用和被引用的論文集合的重合度，對(duì)于重合度為0的論文之間無法計(jì)算相似度。同時(shí)忽略了論文之間“間接引用”的可用信息。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為克服上述現(xiàn)有技術(shù)所述的至少一種缺陷，提供一種基于引用關(guān)系分布式表達(dá)的論文推薦方法。該方法利用論文之間的引用網(wǎng)絡(luò)，以及分布式向量表達(dá)論文在引用網(wǎng)絡(luò)中的位置，使用內(nèi)積作為論文之間的相似度表達(dá)，達(dá)到論文推薦的目的。

為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

一種基于引用關(guān)系分布式表達(dá)的論文推薦方法，包括以下步驟：

步驟1：基于所有待研究論文生成ID字典，即為每篇論文賦予一個(gè)唯一的索引鍵，同時(shí)利用論文的相互引用關(guān)系生成論文引用網(wǎng)絡(luò)，并建立論文引用權(quán)重矩陣M，權(quán)重矩陣M是基于論文索引標(biāo)識(shí)構(gòu)建的n行n列的矩陣；

步驟2：使用最小化代價(jià)函數(shù)的方法，對(duì)權(quán)重矩陣M做矩陣分解，將矩陣M擬合成W*T的形式，其中W是n行m列的矩陣，T是m行n列的矩陣；其中m<n，以達(dá)到降維的作用；用隨機(jī)梯度下降法求出W和T矩陣；其中W的行向量與T的列向量等價(jià)的包含了每篇論文的分布式向量的表達(dá)，且互為對(duì)偶；使用W的行向量來作為分布式向量，其中第i行表示論文索引鍵i所代表的論文的分布式向量的表達(dá)；

步驟3：通過分布式向量之間的內(nèi)積，計(jì)算出兩篇論文之間的基于引用的相似度值；

步驟4：對(duì)候選論文按照計(jì)算出的相似度從大到小排序，得到作為論文推薦的排序列表。

優(yōu)選的，步驟1中：獲取所有待研究論文集合S，生成對(duì)應(yīng)的ID字典，即為每篇論文賦予一個(gè)唯一的索引鍵，索引鍵用于標(biāo)識(shí)論文，索引鍵值包括論文的元信息，如論文名稱、作者、發(fā)表期刊，年份等。

優(yōu)選的，步驟1中：使用論文引用的解析器迭代讀取各篇論文的引用，與對(duì)應(yīng)在集合S的其他論文建立一致性關(guān)聯(lián)，并且建立無向圖，其中每個(gè)節(jié)點(diǎn)代表論文，節(jié)點(diǎn)之間的連線代表兩篇論文之間存在引用關(guān)系；該無向圖即為建立的論文引用網(wǎng)絡(luò)。

優(yōu)選的，其中步驟1，由論文引用網(wǎng)絡(luò)建立n行n列的連接矩陣L，其中L_ij為連接矩陣L中的第i行第j列的元素，L_ij表示論文i和論文j之間是否存在引用關(guān)系，由論文引用網(wǎng)絡(luò)中對(duì)應(yīng)兩點(diǎn)i和j是否存在連線能夠得出，當(dāng)論文在引用網(wǎng)絡(luò)中對(duì)應(yīng)的兩點(diǎn)i和j相互連接時(shí)，L_ij＝1，表示論文i和論文j之間存在引用關(guān)系，L_ij＝0表示論文i和論文j之間不存在引用關(guān)系；根據(jù)該連接矩陣L生成轉(zhuǎn)移矩陣A；其中轉(zhuǎn)移矩陣A中第i行第j列的元素A_ij基于下式確定：

其中A_ij表示從節(jié)點(diǎn)i隨機(jī)移動(dòng)轉(zhuǎn)移到節(jié)點(diǎn)j的概率值，n’表示所有待研究論文的數(shù)量；矩陣A建立起了有直接引用關(guān)系的論文的信息，在此基礎(chǔ)上繼續(xù)構(gòu)建，獲得間接引用的論文之間的聯(lián)系，例如在論文a和論文b共同引用論文c、共同被論文d引用、論文a引用論文c，論文c引用論文b的情況下，構(gòu)建論文a和論文b之間的引用關(guān)系，以豐富論文引用權(quán)重矩陣的信息；

由概率論可知，A的t次冪A^t矩陣的值代表從節(jié)點(diǎn)i出發(fā)隨機(jī)移動(dòng)，在第t步到達(dá)節(jié)點(diǎn)j的概率，設(shè)討論窗口為w時(shí)，那么計(jì)算生成矩陣其矩陣B中的元素B_ij代表從節(jié)點(diǎn)i出發(fā)隨機(jī)移動(dòng)，在w步之內(nèi)到達(dá)節(jié)點(diǎn)j的期望次數(shù)；

構(gòu)造論文引用權(quán)重矩陣M中的元素α為常量，且α+min(log(B_ij))＞0，即調(diào)整M中有值的各項(xiàng)，使之大于0，M_ij表示節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j的權(quán)重，M_ij越高，表示論文之間的聯(lián)系愈緊密。

優(yōu)選的，其中步驟2，使用SGD隨機(jī)梯度下降法最小化代價(jià)函數(shù)其中表示矩陣T的第j列，是矩陣W第i行向量的轉(zhuǎn)置，是一個(gè)列向量；通過最優(yōu)化該代價(jià)函數(shù)，能夠使W*T擬合矩陣M；f(i,j)表示學(xué)習(xí)權(quán)重函數(shù)，表示所有節(jié)點(diǎn)間的關(guān)系對(duì)結(jié)果的影響程度不同，設(shè)為：f(i,j)＝M_ij。；SGD隨機(jī)梯度下降法是對(duì)于J中的加和項(xiàng)的每一項(xiàng)進(jìn)行迭代，計(jì)算梯度，迭代最小化代價(jià)函數(shù)；采用SGD隨機(jī)梯度下降法求解該最小化代價(jià)函數(shù)的無約束最優(yōu)化問題，得到解

W＝[w₀,w₁,w₂,…,w_n-1]^T。

優(yōu)選的，其中步驟3：正則化矩陣W中各個(gè)節(jié)點(diǎn)的分布式向量，再采用公式S(i,j)＝w_i·w_j計(jì)算節(jié)點(diǎn)i和節(jié)點(diǎn)j的相似度S(i,j)的，根據(jù)向量夾角計(jì)算公式當(dāng)向量長(zhǎng)度正則化為1時(shí)，w_i·w_j的結(jié)果越大，在節(jié)點(diǎn)i和j的分布式向量之間的角度就越小，兩個(gè)節(jié)點(diǎn)對(duì)應(yīng)的論文就會(huì)越相似，反之亦然。

與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：本發(fā)明通過論文引用關(guān)系構(gòu)建論文權(quán)重引用網(wǎng)絡(luò)與對(duì)應(yīng)矩陣表示，從而保留了論文之間“間接引用”的信息。然后，利用矩陣分解方法來獲得表達(dá)論文在論文權(quán)重引用網(wǎng)絡(luò)的上下文的分布式向量，然后利用該向量計(jì)算論文之間的相似度，達(dá)到論文推薦的目的。

附圖說明

圖1為基于引用關(guān)系分布式表達(dá)的論文推薦方法的流程圖。

圖2為發(fā)明實(shí)施例中已生成論文引用網(wǎng)絡(luò)的簡(jiǎn)單示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整的描述，顯然所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

圖1是本發(fā)明基于引用關(guān)系分布式表達(dá)的論文推薦方法的流程圖。如圖1所示，新推薦方法的設(shè)計(jì)如下：

S1：以所有待研究論文生成ID字典，生成論文引用網(wǎng)絡(luò)。

對(duì)S1進(jìn)一步說明：在上述技術(shù)方案中，步驟1中論文引用網(wǎng)絡(luò)建立方式如下：生成所有待研究論文集合S之后，生成對(duì)應(yīng)的ID字典。使用論文引用的解析器迭代讀取各篇論文的引用，與對(duì)應(yīng)在集合S的其他論文建立一致性關(guān)聯(lián)。并且建立無向圖，該無向圖的表示方式為數(shù)據(jù)庫的兩兩連接表形式。其中每個(gè)節(jié)點(diǎn)代表論文，節(jié)點(diǎn)之間的連線代表兩篇論文之間存在引用關(guān)系。該無向圖為建立的論文引用網(wǎng)絡(luò)。

S2：建立論文引用權(quán)重矩陣；該權(quán)重表達(dá)了論文引用網(wǎng)絡(luò)的全部?jī)?nèi)容。

對(duì)S2進(jìn)一步說明：首先由論文引用網(wǎng)絡(luò)建立連接矩陣L，其中連接矩陣L中的元素L_ij表示論文i和論文j之間是否存在引用關(guān)系，L_ij＝0或1，1表示論文i和論文j之間存在引用關(guān)系，0表示論文i和論文j之間不存在引用關(guān)系。然后根據(jù)該連接矩陣生成轉(zhuǎn)移矩陣A其中轉(zhuǎn)移矩陣A中第i行第j列的元素A_ij基于下式確定：

其中A_ij表示從節(jié)點(diǎn)i隨機(jī)移動(dòng)轉(zhuǎn)移到節(jié)點(diǎn)j的概率值，n’表示所有待研究論文的數(shù)量。矩陣A建立起了有直接引用關(guān)系的論文的信息，在此基礎(chǔ)上繼續(xù)構(gòu)建，獲得間接引用的論文之間的聯(lián)系，例如在論文a和論文b共同引用論文c、共同被論文d引用、論文a引用論文c，論文c引用論文b的情況下，構(gòu)建論文a和論文b之間的引用關(guān)系，以豐富論文引用權(quán)重矩陣的信息；

由概率論可知，A的t次冪A^t矩陣的值代表從節(jié)點(diǎn)i出發(fā)隨機(jī)移動(dòng)，在第t步到達(dá)節(jié)點(diǎn)j的概率，設(shè)討論窗口為w時(shí)的情況，那么計(jì)算生成矩陣其矩陣B中的元素B_ij代表從節(jié)點(diǎn)i出發(fā)隨機(jī)移動(dòng)，在w步之內(nèi)到達(dá)節(jié)點(diǎn)j的期望次數(shù)；

構(gòu)造論文引用權(quán)重矩陣M中的元素α為常量，且α+min(log(B_ij))＞0，即調(diào)整M中有值的各項(xiàng)，使之大于0，M_ij表示節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j的權(quán)重，M_ij越高，表示論文之間的聯(lián)系愈緊密，權(quán)重矩陣M是基于論文索引標(biāo)識(shí)構(gòu)建的n行n列的矩陣。

S3：通過對(duì)矩陣M做矩陣分解，用隨機(jī)梯度下降法求出W矩陣，使得M＝W*T成立；其中W是n行m列的矩陣，T是m行n列的矩陣；其中m<n，以達(dá)到降維的作用；用隨機(jī)梯度下降法求出W和T矩陣；其中W的行向量與T的列向量等價(jià)的包含了每篇論文的分布式向量的表達(dá)，且互為對(duì)偶；使用W的行向量作為分布式向量，其中第i行表示論文索引鍵i所代表的論文的分布式向量的表達(dá)。

對(duì)S3進(jìn)一步說明：使用SGD隨機(jī)梯度下降法最小化代價(jià)函數(shù)

其中表示矩陣T的第j列，是矩陣W第i行向量的轉(zhuǎn)置，是一個(gè)列向量；通過最優(yōu)化該代價(jià)函數(shù)，能夠使W*T擬合矩陣M；f(i,j)表示學(xué)習(xí)權(quán)重函數(shù)，表示所有節(jié)點(diǎn)間的關(guān)系對(duì)結(jié)果的影響程度不同，設(shè)為：f(i,j)＝M_ij。；SGD隨機(jī)梯度下降法是對(duì)于J中的加和項(xiàng)的每一項(xiàng)進(jìn)行迭代，計(jì)算梯度，迭代最小化代價(jià)函數(shù)；采用SGD隨機(jī)梯度下降法求解該最小化代價(jià)函數(shù)的無約束最優(yōu)化問題，得到解

W＝[w₀,w₁,w₂,…,w_n-1]^T。

S4：通過W的行向量之間的內(nèi)積，可以計(jì)算出兩篇論文之間的基于引用的相似度值。

對(duì)S4進(jìn)一步說明：首先正則化矩陣W中各個(gè)節(jié)點(diǎn)的分布式向量，再采用公式S(i,j)＝w_i·w_j計(jì)算節(jié)點(diǎn)i和節(jié)點(diǎn)j的相似度S(i,j)的，根據(jù)向量夾角計(jì)算公式當(dāng)向量長(zhǎng)度正則化為1時(shí)，w_i·w_j的結(jié)果越大，在節(jié)點(diǎn)i和j的分布式向量之間的角度就越小，兩個(gè)節(jié)點(diǎn)對(duì)應(yīng)的論文就會(huì)越相似，反之亦然。

S5：對(duì)候選論文按照計(jì)算出的相似度從大到小排序，可以作為論文推薦的排序列表。

構(gòu)造論文引用權(quán)重矩陣的簡(jiǎn)單實(shí)例如下：假設(shè)已生成論文引用網(wǎng)絡(luò)如下，如圖2；其中Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ分別代表論文的標(biāo)號(hào)。節(jié)點(diǎn)之間的連接代表兩篇論文之間存在引用關(guān)系。由此，可以構(gòu)建連接矩陣L為：

按照連接矩陣建立起來的轉(zhuǎn)移概率矩陣A為：

然后計(jì)算論文引用權(quán)重矩陣B可以讓間接連接的節(jié)點(diǎn)之間的引用權(quán)重大于0。B的每個(gè)行向量都代表對(duì)應(yīng)的論文在引用網(wǎng)絡(luò)中與其他論文的相互引用的情況，其中包括了直接引用的部分，以及間接引用的部分。當(dāng)兩個(gè)論文的對(duì)應(yīng)行向量的內(nèi)積越相似，就說明這兩篇論文的引用情況越相似，其內(nèi)容就越可能相似。接下來通過二次代價(jià)函數(shù)最小化的方式，將原矩陣擬合成M＝W*T的形式。從而對(duì)原論文引用權(quán)重矩陣M進(jìn)行降維處理，獲得矩陣W，其中每一行包括論文對(duì)應(yīng)的分布式向量W_i，其維度為m<n。計(jì)算分布式向量之間W_i的內(nèi)積，能夠近似的表達(dá)了論文之間的引用相似度，乃至于內(nèi)容相似度。

在本實(shí)施例中，構(gòu)造論文引用權(quán)重矩陣的實(shí)例如下：提取了PubMed醫(yī)學(xué)數(shù)據(jù)庫中的252673篇論文，建立起對(duì)應(yīng)的ID字典。使用引用提取工具對(duì)各篇論文進(jìn)行迭代，抽取了9379146條引用條目，通過對(duì)比引用與論文的標(biāo)題，發(fā)表日期，作者等元信息。建立起了引用和論文的一致性關(guān)聯(lián)?；诖岁P(guān)聯(lián)，構(gòu)建連接矩陣L，生成論文引用網(wǎng)絡(luò)。按照詳細(xì)步驟給出的計(jì)算方法，通過連接矩陣L計(jì)算轉(zhuǎn)移概率矩陣A，然后計(jì)算引入了間接引用信息的轉(zhuǎn)移矩陣通過B得到論文引用權(quán)重矩陣M。M中間接連接的節(jié)點(diǎn)之間的引用權(quán)重大于0，每個(gè)行向量都代表對(duì)應(yīng)的論文在引用網(wǎng)絡(luò)中與其他論文的相互引用的情況，其中包括了直接引用的部分，以及間接引用的部分。當(dāng)兩個(gè)論文的對(duì)應(yīng)行向量的內(nèi)積越相似，就說明這兩篇論文的引用情況越相似，其內(nèi)容就越可能相似。接下來通過二次代價(jià)函數(shù)最小化的方式，將原矩陣擬合成M＝W*T的形式。從而對(duì)原論文引用權(quán)重矩陣M進(jìn)行降維處理，獲得維度m＝500的分布式向量W_i，W_i對(duì)應(yīng)于W中的每一行。分布式向量的內(nèi)積，能夠近似的表達(dá)了論文之間的引用相似度，乃至于內(nèi)容相似度。至此，給出任意一篇論文，都可以通過對(duì)比該論文的分布式向量與其他論文分布式向量的內(nèi)積的大小，按照從高到低進(jìn)行排序，推薦根據(jù)引用關(guān)系最為相似的論文序列。

本發(fā)明實(shí)施例中，利用論文之間的引用網(wǎng)絡(luò)，利用分布式向量表達(dá)論文在引用網(wǎng)絡(luò)中的位置，使用內(nèi)積作為論文之間的相似度表達(dá)，能夠妥善的解決現(xiàn)有的基于論文引用信息的模型對(duì)于重合度為0的論文之間無法計(jì)算相似度的問題。

顯然，本發(fā)明的上述實(shí)施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對(duì)本發(fā)明的實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動(dòng)。這里無需也無法對(duì)所有的實(shí)施方式予以窮舉。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明權(quán)利要求的保護(hù)范圍之內(nèi)。