基于主题效能的学术文献推荐算法
针对文献推荐问题,提出了一种基于主题效能的学术文献推荐算法,该算法使用潜在狄利克雷分布( latent Dirichlet allocation, LDA)对候选文献和用户发表的文献进行建模,挖掘出具有高效能的主题集合,并根据候选文献中高效能主题的分布情况来计算它与用户兴趣之间的相似度,最后向用户推荐有价值的文献。实验结果表明：提出的算法比基于频繁项挖掘的算法具有更高的推荐准确率和推荐召回率,可同时满足用户对个性化和文献质量两方面的需求。
推荐系统、效能、主题模型
TP391(计算技术、计算机技术)
国家科技支撑计划资助项目2013BAH21B02-01;北京市自然科学基金资助项目4123091;ISTIC-ELSEVIER期刊评价研究中心开放基金
2015-02-05（万方平台首次上网日期，不代表论文的发表时间）
共8页
215-222
