基于PageRank的科技论文推荐系统

科技论文的数量正在呈爆炸式增长,高效的论文推荐系统将为科技工作者节约大量搜寻相关论文的时间,并为之提供观点新颖的高质量论文。协同过滤系统与内容过滤系统等算法已经广泛应用在电子商务和社交网络等领域,并取得了良好的效果;而基于网络结构的PageRank排名算法在web信息检索领域也被广泛采用。为了研究将以上算法的应用拓展到科技论文推荐系统,本文选取了CiteSeer数据集中的1万篇科技论文作为实验数据集,将PageRank算法与协同过滤系统和内容过滤系统等算法有效结合,研究基于PageRank的科技论文推荐系统。实验结果表明通过与PageRank合并后推荐系统可有效提高科技论文推荐系统的命中率,排名以及有效命中率。