多视图融合TextRCNN的论文自动推荐算法

来源：计算机工程与应用杂志2023年第2期北京时间：

作者：杨秀璋, 武帅, 杨琪, 项美玉, 李娜, 周既松, 赵小明

单位：1.贵州财经大学 信息学院，贵阳 550025；2.荥经县政务服务和大数据中心，四川 雅安 625200；3.贵州财经大学 大数据应用与经济学院（贵阳大数据金融学院），贵阳 550025；4.中国船舶工业系统工程研究院，北京 100094

摘要：传统论文自动推荐算法仅从单视图角度实现分类，缺乏特征融合及多视图语义知识，上下文信息和长距离依赖利用不明显，较难挖掘到深层次文本特征，从而限制学术论文推荐的准确度。针对这些问题，提出了一种基于多视图融合TextRCNN的论文自动推荐模型，该模型融合论文标题、关键词和摘要三个视图特征，利用卷积神经网络（CNN）、双向长短时记忆网络（BiLSTM）和注意力机制构建模型，实现对不同学科方向论文的自动分类及推荐。实验结果表明，设计的论文推荐模型在精确率、召回率和[F1]值上均有所提升，比机器学习方法平均提高3.40%、3.57%和3.49%，也优于单视图和已有经典的深度学习方法。该方法有效利用多视图知识和上下文语义信息，提高论文推荐的准确率，进而节约科研工作者检索所需论文所花费时间和精力，进一步提高科研人员的效率，推荐符合其研究需求的学术论文，具有良好的学术价值和应用扩展。

关键词：论文推荐,多视图融合,TextRCNN,注意力机制,深度学习