考虑全局和局部信息的科研人员科研行为立体精准画像构建方法

被引:19
作者
张亚楠
黄晶丽
王刚
机构
[1] 合肥工业大学管理学院
关键词
科研创新; 深度学习; 用户画像; 主题模型;
D O I
暂无
中图分类号
G316 [科学工作者]; G254 [文献标引与编目];
学科分类号
1201 ; 1204 ; 1205 ; 120501 ;
摘要
通过为科研人员构建科研行为画像,科研人员能够便捷地使用各种个性化科研服务,促进科研人员提高科研效率。已有的研究往往将画像问题简单地抽象为多分类问题,没有考虑到信息的充分利用和画像更新问题。为此,本研究提出了一种考虑全局和局部信息的科研人员科研行为画像方法,引入深度学习方法,借助深度学习自动从数据中提取高度抽象特征的特点,提取科研人员局部画像,结合全局信息构建科研人员的立体精准画像。最后,使用科研社交平台科研之友上的科研人员科研行为数据,对本研究提出的方法进行验证,证明了本研究提出方法的有效性。
引用
收藏
页码:1012 / 1021
页数:10
相关论文
共 21 条
[1]  
Advanced supervised learning in multi-layer perceptrons - from backpropagation to adaptive learning algorithms. Riedmiller,Martin. Computers and Standards . 1994
[2]  
Latent Dirichlet allocation. Blei D M,Ng A Y,Jordan M I. Journal of Machine Learning Research . 2003
[3]  
Combining data mining and machine learning for effective user profiling. Fawcett T,Provost F. Proceedings on the 2nd International Conference on Knowledge Discovery and Data Mining . 1996
[4]   Long short-term memory [J].
Hochreiter, S ;
Schmidhuber, J .
NEURAL COMPUTATION, 1997, 9 (08) :1735-1780
[5]  
An Evolutionary Context-aware Sequential Model for Topic Evolution of Text Stream[J] . Ziyu Lu,Haihui Tan,Wenjie Li. &nbspInformation Sciences . 2018
[6]  
创新引领发展 建设科技强国[N]. &nbsp经济日报. 2017 (010)
[7]   个性化服务技术综述 [J].
曾春 ;
邢春晓 ;
周立柱 .
软件学报, 2002, (10) :1952-1961
[8]   数据驱动的移动用户行为研究框架与方法分析 [J].
黄文彬 ;
吴家辉 ;
徐山川 ;
王军 .
情报科学 , 2016, (07) :14-20+40
[9]   基于社会认同理论的微博群体用户画像 [J].
林燕霞 ;
谢湘生 .
情报理论与实践, 2018, 41 (03) :142-148
[10]   科研合作网络中知识共享的演化研究 [J].
涂静 .
情报理论与实践 , 2018, (02) :39-45