Resumen

Hoy en día, los sistemas de recomendación académica a menudo recomiendan artículos académicos basados en las demandas de recuperación personalizadas de los usuarios. Normalmente, un sistema de recomendación analiza las palabras clave escritas por un usuario y luego devuelve sus artículos preferidos, de manera eficiente y económica. En la práctica, un artículo a menudo contiene palabras clave parciales en las que un usuario está interesado. Por lo tanto, el sistema de recomendación necesita devolver al usuario un conjunto de artículos que cubra colectivamente todas las palabras clave consultadas. Sin embargo, los sistemas de recomendación existentes solo utilizan la técnica de coincidencia exacta de palabras clave para tomar decisiones de recomendación, mientras que descuidan las relaciones de correlación entre diferentes artículos. Como consecuencia, puede producir un conjunto de artículos de múltiples disciplinas que difieren del campo de investigación real del usuario. Ante esta deficiencia, proponemos un enfoque de recomendación de artículos basado en palabras clave y consciente de la popularidad, utilizando un grafo de citas de artículos no dirigido,

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Académico; Sistemas de recomendación; Trabajos académicos; Palabras clave; Sistema de recomendación; Trabajos
• Keywords:Scholar; Recommender systems; Academic papers; Keywords; Recommender system; Papers