基于梯度渐进回归树的引文推荐方法研究

《基于梯度渐进回归树的引文推荐方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于梯度渐进回归树的引文推荐方法研究陈俊鹏2016年1月中图分类号：TP311.5UDC分类号：004.41基于梯度渐进回归树的引文推荐方法研究作者姓名陈俊鹏学院名称软件学院指导教师张春霞副教授答辩委员会主席王树良教授申请学位工学硕士学科专业软件工程学位授予单位北京理工大学论文答辩日期2016年1月CitationRecommendationBasedOnGradientBoostedRegressionTreesCandidateName:JunpengChenSchoolorDepartment:

2、SchoolofSoftwareFacultyMentor:A.P.ChunxiaZhangChair,ThesisCommittee:Prof.ShuliangWangDegreeApplied:MasterofPhilosophyMajor:SoftwareEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence:January,2016研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研

3、究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要近年来，随着科学技术的迅速发展，科研文献的数量呈爆炸式增长。科研文献的传播能够促进学术成果的交流，从而使科学技术得到不断发展。对于科研工作者来说，难以快速地从海量文献中发现真正需要的文献。引文推荐目的

4、在于根据用户的查询输入准确而快速地为用户推荐可能需要引用的文献，提高用户获取参考文献的效率。本文主要研究引文推荐，即根据论文的标题和摘要推荐出论文可能需要引用的文献。为此，本文设计和实现了一种基于梯度渐进回归树的引文推荐方法，将引文推荐看作一个分类问题。本文的两个关键点是评估候选引文的影响力和查询输入与候选引文的相关度。本文利用论文未来的引用次数来评估其影响力，将论文引用次数预测看作一个回归问题。针对论文引用次数预测，本文提出了基于主题分布的内容类特征提取方法、基于作者合作矩阵的作者类特征提取方法、以

5、及基于Stacking方法的论文引用次数预测方法。针对引文推荐，本文提出了基于向量空间模型和KL距离的查询输入与候选引文的相关度特征提取方法、以及基于梯度渐进回归树的引文推荐方法。分类特征包括用于论文引用次数预测的内容类特征和作者类特征、查询输入与候选引文的相关度特征。KDDCUP数据集上的实验结果表明，基于Stacking方法的论文引用次数预测结果优于基于单个回归模型的引用次数预测结果，基于梯度渐进回归树的引文推荐结果优于基于Lucene的引文检索结果。因此，实验结果表明了本文方法的有效性。关键词：

6、引用次数预测；引文推荐；Stacking方法；梯度渐进回归树I北京理工大学硕士学位论文AbstractInrecentyears,scienceandtechnologyaredevelopingrapidly.Thequantityofscientificliteraturesisgrowinginanexplosiveway.Thepublicationofliteraturesishelptopromoteacademicexchangesbetweenresearchers,whichcaus

7、esscienceandtechnologytodeveloprapidly.Duetothelargequantityofliteratures,itishardtofindtheproperreferencesforresearchers.Citationrecommendationtaskistorecommendproperreferencesaccordingtotheusers'queryinput,whichwillincreasetheefficiencyofsearchingrefe

8、rences.Themainresearchcontentofthispaperiscitationrecommendation,whichistorecommendpaperswhichmaybecitedasreferencesaccordingtothetitleandabstractofapaper.Wedesignedandimplementedacitationrecommendersystembasedongradientboostedre