Resumen

La recomendación de citas con conocimiento del contexto tiene como objetivo predecir automáticamente las citas adecuadas para un determinado contexto de citación, lo que es esencialmente útil para los investigadores cuando escriben artículos científicos. En los enfoques existentes basados en redes neuronales, la sobrecorrelación en la matriz de pesos influye en la similitud semántica, lo que constituye un problema difícil de resolver. En este trabajo, proponemos un nuevo enfoque de recomendación de citas consciente del contexto que puede mejorar esencialmente la ortogonalidad de la matriz de pesos y explorar patrones de citación más precisos. Demostramos cuantitativamente que los diversos patrones de referencia en el papel tienen características de interacción que pueden afectar significativamente a la predicción de enlaces. Realizamos experimentos con los conjuntos de datos de CiteSeer. Los resultados muestran que nuestro modelo es superior a los modelos de referencia en todas las métricas.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:recomendaciones de citación conscientes, matriz de pesos, patrón de citación preciso, patrón de referencia variado, contexto de citación dado, papel, red neuronal, predicción de enlaces, problema difícil, similitud semántica
• Keywords:aware citation recommendations, weight matrix, accurate citation pattern, various reference pattern, given citation context, paper, neural network, links prediction, difficult problem, semantic similarity