学术搜索系统中的学者论文搜索和相关论文推荐系统研究与实现

学术搜索系统中的学者论文搜索和相关论 文推荐系统研究与实现

答 辩 人 ： 夏成银 指 导 老 师： 陆嘉恒 教授 专 业： 计算机软件与理论

2014/12/11

目 录 选题背景

相关工作 系统设计和研究方案 特色和创新点

参考文献

选题背景学术搜索系统

选题背景学术搜索系统方面，国内外都有已经有一些系统，比如 谷歌学术、微软学术搜索、百度学术，它们在提供学术 资源检索等功能的基础上，都有各自的特色。 Google Scholar:依托于谷歌自身做搜索引擎的数据资 源优势，谷歌学术中可以搜索到世界上几乎所有的学术 期刊等学术资源。 Academic Search:在内容方面，Academic Search也 致力于提供学术资源对象级别的检索服务。 百度学术搜索：可以检索到免费和收费的学术论文，并 能够根据相关性、被引用次数和发表时间等进行排序。 ArnetMiner:对学者的社会网络等信息进行了进一步的 挖掘，某个学者的研究方向等更加深入的信息。

选题背景从上面可以看出，各个学术搜索系统除了提供学术资源检索等基本功能之外 ，都有自己的侧重点和特色。但是，由于学术搜索面向用户的多样性和国内 计算机学科发展的特点，关于学术搜索，仍然有大量的工作需要做。 不同层次的学者对计算机学术搜索系统的需求不一样，比如刚开始做研究 的学者想大致了解某个方向，而资深的老师想了解进一步的深入，想了解 某个领域最新的趋势。 对于国内的计算机研究人员，中国计算学会对于国际上的论文期刊有不同 的A、B和C等三个分级认定，这个分级相当于对某篇学术论文的质量和水 平做了一个比较客观的论断。通过该分级，国内的学者能够对某一篇论文 有一个大概的直观认识。

学术搜索系统中的学者论文搜索和相关论文推荐系统 计算机领域的论文、学者和单位搜索 计算机领域论文的CCF分级 DBLP论文数据的自动更新 相关论文的推荐

目 录 选题背景

相关工作 系统设计和研究方案 特色和创新点

参考文献

相关工作1、学术搜索系统 返回所有结果排序后的结果(Google Scholar) – 优点：返回的结果比较全 – 缺点：没有对结果进行整理，需要用户自己从 中寻找有用的结果 垂直搜索和对象级别的检索(Microsoft Academic Search)

– 是对库中的相关信息进行整合，抽取出需要的 数据进行处理后再以某种形式返回给用户。 – 提供面向资源对象级别的更加细化的检索 对学术社交网络中的信息进行进一步的挖掘 – Arnetminer

相关工作2、相关论文推荐 (1) 推荐算法 – 基于内容的推荐(Content-based recommendation) 分析所有待

推荐条目的属性特征进行推荐比如，一个电影网站中，给一个喜欢西部片的用户推荐属 于西部片的电影。

– 协同过滤(Collaborative filtering recommendation) 根据用户或者待推荐条目之间的相似性来进行推荐比如，在一个在线书店中，对于两个具有相似看书爱好的 用户，将一个用户喜欢的书籍推荐给另一个用户。

相关工作2、相关论文推荐 (2)论文推荐 – 问题：给定用户的兴趣信息，找出用户可能感兴趣 的其他相关论文。这里的用户兴趣可能是根据用户的浏览信息或者 是其他信息推断得来的。

– 常用方法：Citations,协同过滤，probabilistic topic modeling

目 录 选题背景

相关工作 系统设计和研究方案 特色和创新点

参考文献

系统设计和研究方案1、系统设计 (1) 系统架构图Offline数据爬取 元数据抽 取 数据增量 更新 数据存储 基础设施 论文推荐

Online搜索

相关技术： Boostrap、MongoDB、Python、Flask

系统设计和研究方案(2) 模块设计增量更新设计Paper Incremental Paper Incremental & Rank Update in DatabasePaper Pages Etc.

论文分级的确定Journals & Conference from DBLP Basic Paper Rank A: ACM Multimedia

DBLP Update Dectection

Data Incremental Parser

Booktitle & Journal

Scholar Incremental

Scholar Incremental

Final Rank

Paper Rank Dict

ACM Multimedia (1) ACM Multimedia (2) ACM Multimedia (3)

系统设计和研究方案2、相关论文推荐(1) 问题的定义给定一篇论文(计算机领域),找出和该论文相关的其它论文，供用 户参考。 输入：DBLP的论文数据(包含题目、作者、会议、期刊、年份等)、计算机领 域的学者信息(姓名、单位等)和其他从网络上爬取到的论文摘要等信 息。

输出：对于计算机领域的每一篇论文，找出和它相关的论文。

系统设计和研究方案2、相关论文推荐(2) 思路 1) 论文到论文的推荐根据现有论文的题目、会议、年份、作者和摘要等信息，抽取出 论文的特征信息。 对于每一篇论文，找出和这篇论文相关的其他论文。

2) 由作者到论文的推荐利用现有的学者数据，抽取出学者信息，然后对于每篇论文的作 者的研究方向进行建模，利用这些信息找出其它和这篇论文相关 的论文。

3) 将上面的两种结果进行综合，得到最终的推荐结果。

系统设计和研究方案2、相关论文推荐(3) 难点和挑战 如何基于现有的数据，抽取出有效表示论文内容的数据。 根据抽取出的论文特征数据，设计出有效的推荐算法 Similarity和Diversity的平衡 当有新的论文数据加入时，如何更新推荐的数据

目 录 选题背景

相关工作 系统设计和研究方案 特色和创新点

参考文献