摘要：科研人员对未知领域的探索在世界上各个角落时时刻刻都在发生,论文的数量急剧增加。庞大的论文数量对研究人员查阅文献,了解科研前沿等工作造成巨大负担。为了缓解科研人员查找论文的工作难度,解决无法快速准确找到自己所需的科研文献这一痛点问题,我们提出了一种基于非负矩阵分解的个性化论文推荐系统,本文所提的论文推荐系统可以根据使用者查看的论文历史记录,结合论文-论文,读者-读者的相似性信息,智能地推荐使用者可能喜欢的论文。具体地,首先,我们收集184位科研人员的查阅记录,记录包括1324篇论文。构造科研人员与论文矩阵,使用非负矩阵分解算法,通过对现有数据进行挖掘与分析,建立了一种个性化论文推荐系统。实验结果表明,基于非负矩阵分解的论文推荐系统给用户所推荐的论文,有较高的推荐有效性,能够帮助用户快速有效地找到自己所需论文。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社