基于引文网络的文献在线推荐系统研究和实现

摘要

近几年来学术文献的飞速增长，仅2015年一年发表的论文数量就高达百万篇，海量的文献给研究者带来了诸多可以参考的资源，但是如何从海量的文献以较短的时间检索到该领域的核心论文成为亟待解决的问题。在线文献推荐系统旨在对于给定文献或者检索特定关键词的时候，系统能够以自动化实时的方式推荐合适的引文给用户，从而提高研究者撰写论文效率。
　　针对上述问题，本文设计了一种新的文献在线推荐系统，实现文献的在线实时推荐，该系统提供多种格式的种子文献输入接口，根据用户的输入，以百度学术为入口，通过计算机6大主流数据库构建完整的文献引用网络，通过MCL算法进行引文网络的聚类并且通过PageRank算法对引文的被引次数排名，以此来确定引文的主干方向和文章的权威性，挖掘出由种子文献构造的第一层核心文献，然后，以第一层的核心文献作为二次种子文献进行二次数据挖掘，找出由第一层核心文献构造的二层参考文献引用网络和引用第一层核心文献构造的最新文献引用网络，构成完整的一个引文网络。综合以上结果，系统最终以可视化的方式进行文献推荐结果的展示，方便学术研究。
　　该系统主要包含五个模块，分别是参考文献列表提取模块，主要是实现参考文献的标题、作者、出版日期等元素的分离;引用网络的数据获取模块，主要实现参考文献引用网络的构建;参考文献引用网络的数据挖掘模块，主要实现的是在已有的引用网络上通过数据挖掘的方法找出该领域的核心文献;最后两个模块是文献在线推荐系统的可视化模块，和用户个人模块。
　　最后从文献在线推荐的效果上来看，该系统能够在海量的文献中找出该领域的核心文献，并且相对于传统的学术推荐，该系统还能挖掘出最新经典文献以及基于个性化推荐，该系统相对于传统的引文推荐系统具有更加明显的优势。

目录

声明

摘要

1 绪论

1．1 研究背景和意义

1．2 现有的文献检索工具的缺陷

1．3 基于引文网络与论文推荐

1．4 本文的组织结构

1．5 本章小结

2 基于引文推荐的相关分析

2．1 引文推荐问题的现状

2．2 引文推荐的分类

2．2．1 局部引文推荐

2．2．2 全局引文推荐

2．2．3 其他引文推荐

2．3 引文推荐常用的模型和方法

2．4 本章小结

3 基于引文网络的数据挖掘模型的设计

3．1 引文网络数据挖掘模型的整体流程设计

3．2 引文网络结构抽象

3．3 引文网络的结构研究

3．4 利用PageRank算法进行文献被引次数排名

3．5 文献引用网络聚类

3．6 本章小结

4 在线文献推荐系统的设计和实现

4．1 系统概要设计

4．2 系统整体架构设计

4．3 系统各个子模块设计

4．4 数据库的设计

4．5 引文网络的构建

4．6 本章小结

5 基于引文网络文献在线推荐系统的性能测试

5．1 测试细节

5．2 本系统同其他引文推荐系统性能对比

5．3 本章小结

结论

参考文献

致谢