吳舒展

（湖北工程學院 數(shù)學與統(tǒng)計學院，湖北 孝感 432000）

0 引言

隨著科學技術(shù)的迅速發(fā)展，各個行業(yè)領(lǐng)域和學科產(chǎn)生的研究成果也在大幅增長，海量學術(shù)成果的涌現(xiàn)在為學者提供豐富學術(shù)論文的同時，也對論文的檢索工作帶來了困難和挑戰(zhàn)。在科研人員進行相關(guān)科學研究的過程中，需要查詢和引用相應的學術(shù)論文，并在前人的研究基礎(chǔ)上開展進一步研究和優(yōu)化，從而有效保證研究成果的價值和可行性。然而在實際的檢索過程中，用戶很難在短時間內(nèi)精準地獲得最具參考價值的學術(shù)論文。為了解決學術(shù)論文的檢索和查詢問題，提出了學術(shù)論文推薦方法。

學術(shù)論文推薦方法的提出與應用，不僅提高了用戶檢索目標論文的速度，同時也解決了網(wǎng)絡(luò)環(huán)境中信息過載以及信息迷航的問題?，F(xiàn)階段，國內(nèi)外學術(shù)論文推薦方法大體可分為協(xié)同過濾方法和內(nèi)容過濾方法。然而上述傳統(tǒng)的論文推薦方法主要針對的是靜態(tài)的、存儲在固態(tài)數(shù)據(jù)庫中的學術(shù)論文，由于在線學術(shù)論文處于動態(tài)變化的狀態(tài)，因此使用傳統(tǒng)的論文推薦方法會出現(xiàn)推薦效果差、推薦速度慢等問題。

以解決傳統(tǒng)學術(shù)論文推薦方法存在的問題為目的，融合知識圖譜和深度學習算法，對在線學術(shù)論文推薦方法進行優(yōu)化設(shè)計。將知識圖譜引入到推薦方法中，可以實現(xiàn)論文實體之間的連接，并以此來表示不同語義論文的擴展?jié)撛谝蜃幽Ｐ汀Ｔ谝酝难芯抗ぷ髦?，基于深度學習的論文推薦方法雖提升了推薦性能，但只考慮了用戶對論文的評分數(shù)據(jù)，削弱了推薦效果。融合知識圖譜和深度學習算法并將其應用到學術(shù)論文推薦方法的設(shè)計工作中，以期在保證推薦性能的同時，提升推薦效果，滿足用戶的論文查詢需求。首先通過構(gòu)建論文中實體間的三元組關(guān)系表達式，構(gòu)建學術(shù)論文知識圖譜，再通過知識圖譜嵌入式分析知識圖譜中的論文的特征，并轉(zhuǎn)化為低維的連續(xù)向量，結(jié)合用戶的興趣，利用深度學習的循環(huán)神經(jīng)網(wǎng)絡(luò)進行訓練，根據(jù)論文的相似度實現(xiàn)學術(shù)論文的精準推薦。

1 學術(shù)論文推薦方法設(shè)計

學術(shù)論文推薦方法的設(shè)計目標是預測用戶需求與學術(shù)論文之間的匹配程度，根據(jù)匹配結(jié)果生成用戶的推薦列表。在實際的設(shè)計與運行過程中，以深度學習算法為基礎(chǔ)迭代算法，知識圖譜以嵌入式的方式與深度學習算法融合。知識圖譜模塊構(gòu)建的三元組表達式為：

其中，、和分別表示實體、關(guān)系和屬性三元組集合。

1.1 構(gòu)建學術(shù)論文知識圖譜

按照公式（1）表示的結(jié)構(gòu)，構(gòu)建學術(shù)論文的知識圖譜，具體的構(gòu)建過程如圖1 所示。

圖1 學術(shù)論文知識圖譜構(gòu)建流程圖Fig.1 Academic papers knowledge graph construction flow chart

從圖1 中可以看出，采用自底向上的方式進行知識圖譜的搭建，分別抽取學術(shù)論文中的實體知識和關(guān)系知識，根據(jù)實體之間的關(guān)系對其進行連接，并通過知識融合和加工，得出最終的圖譜構(gòu)建結(jié)果。論文實體的抽取就是從文本數(shù)據(jù)集合中識別論文的命名實體，建立知識圖譜中的節(jié)點。根據(jù)特定需求可以將實體分為時間類、數(shù)字類和實體類三種類型，選擇合適的實體抽取目標并按照詞性進行標簽編輯，通過分析各個標簽之間的搭配關(guān)系，實現(xiàn)對實體的抽取，進而創(chuàng)建實體模型。實體模型中，令M、C分別為學術(shù)論文模型和論文類型，則學術(shù)論文模型結(jié)構(gòu)可以表示為：

公式（2）中的任意一個子矩陣代表知識圖譜中的任意2 種論文之間的關(guān)系，例如表示學術(shù)論文作者與論文之間的從屬關(guān)系，為論文引用關(guān)系和相似關(guān)系。關(guān)聯(lián)提取是在一句話中識別出實體對的語義關(guān)系和實體對應的屬性，兩者之間是相互聯(lián)系的語義紐帶。將關(guān)系抽取結(jié)果代入到公式（2）中，實現(xiàn)對實體的連接。另外，在學術(shù)論文知識圖譜中，定義關(guān)鍵詞的權(quán)重為ω，其計算公式為：

其中，(，) 表示第個關(guān)鍵詞在論文中出現(xiàn)的頻度；表示學術(shù)論文總數(shù)；表示包含關(guān)鍵詞的論文數(shù)量。

知識合并主要是針對結(jié)構(gòu)化數(shù)據(jù)的整合，在進行了知識抽取和知識融合后，得到了一系列的事實表達，需要進行知識加工，才能最終形成結(jié)構(gòu)化、網(wǎng)絡(luò)化的知識系統(tǒng)。知識點中心度參數(shù)計算方法如下：

1.2 分析用戶需求和興趣

用戶需求的分析可以通過用戶輸入的檢索或查詢詞條直接讀出，根據(jù)用戶的基本信息和輸入的檢索詞在學術(shù)論文中進行匹配。而用戶興趣是在用戶使用學術(shù)論文平臺一段時間后，通過對用戶的歷史行為數(shù)據(jù)進行分析，得到用戶興趣。用戶興趣由主題偏好、學科偏好和關(guān)鍵詞偏好三個部分組成，其中用戶u對某個主題t的興趣值可以表示為：

其中， A表示的是在知識圖譜環(huán)境下，用戶對論文產(chǎn)生操作行為對應邊的權(quán)值，而T為論文屬于主題t設(shè)定閾值的權(quán)值。同理可以得出用戶對關(guān)鍵詞和學科興趣的量化分析結(jié)果。

1.3 提取學術(shù)論文特征

為了提升用戶檢索詞條與學術(shù)論文匹配任務的處理速度，提取學術(shù)論文的特征，并以特征向量的形式輸出。這里，詞頻特征也就是某一個給定的詞語在學術(shù)論文中出現(xiàn)的次數(shù)，其表達式為：

其中，和T分別為學術(shù)論文中的總詞數(shù)和單詞在學術(shù)論文中出現(xiàn)的次數(shù)。由于學術(shù)論文數(shù)據(jù)量較多，因此在詞頻特征提取過程中可能會出現(xiàn)提取偏差，為此引入了逆文檔詞頻的概念，在逆文檔詞頻特征的提取過程中，認為一個單詞在一篇學術(shù)論文中出現(xiàn)的頻率越高，則該詞在所有論文中出現(xiàn)的頻率越低，表明該單詞在指定學術(shù)論文中的主題突出性。融合詞頻和逆文本頻率指數(shù)，可以反映出整個資源庫中單詞特征的大眾化程度，從而過濾出論文中的關(guān)鍵詞特征。除了關(guān)鍵詞外，學術(shù)論文的權(quán)威度、引用量、時新度、論文質(zhì)量等也能夠在一定程度上反映論文特征，其特征向量表達式為：

其中，和分別為學術(shù)論文的發(fā)刊級別和被引量的量化結(jié)果；和max對應的是論文被引量和論文來源數(shù)據(jù)庫中最大的被引量；為論文發(fā)表時間距離最早發(fā)表時間和最晚發(fā)表時間的月份數(shù)的比值；和表示年份和月份。另外，變量表示的是學術(shù)論文的熱度。使用相同的方式對特征向量進行提取與融合，最終得出學術(shù)論文的綜合特征提取結(jié)果。

1.4 利用深度學習算法劃分學術(shù)論文類型

利用深度學習算法中的循環(huán)神經(jīng)網(wǎng)絡(luò)，實現(xiàn)學術(shù)論文的分類處理。循環(huán)神經(jīng)網(wǎng)絡(luò)的學習迭代原理如圖2 所示。

圖2 循環(huán)神經(jīng)網(wǎng)絡(luò)學習原理圖Fig.2 Schematic diagram of recurrent neural network learning

在實際的論文分類處理過程中，將提取的特征向量作為輸入項在時刻輸入到循環(huán)神經(jīng)網(wǎng)絡(luò)中，經(jīng)過隱藏層處理后輸出為s，在輸出層輸出o。那么隱藏層和輸出層的學習處理函數(shù)如下：

其中，x為循環(huán)神經(jīng)網(wǎng)絡(luò)的輸入項；和為激活函數(shù)；和是隱藏層和輸出層的偏置量，取值為常數(shù)；、和為神經(jīng)網(wǎng)絡(luò)不同層級之間的權(quán)重矩陣。

1.5 實現(xiàn)學術(shù)論文推薦

1.5.1 構(gòu)建查詢向量

由于用戶的查詢檢索需求不同，因此通過知識圖譜構(gòu)建并結(jié)合深度學習訓練而生成的查詢向量也存在差別，用戶輸入的查詢詞條類型包括：學術(shù)論文作者、名稱、主題和關(guān)鍵詞。在知識圖譜嵌入層，構(gòu)建的查詢元素由上述4 個部分信息共同組成，并轉(zhuǎn)化為向量表達，其表達式為：

查詢矢量是由不具有完整語義信息的不同單詞組成的，在實際的查詢過程中只要求一個向量值不為空即可，將構(gòu)建的查詢向量作為學術(shù)論文推薦的輸入詞條，輸入到推薦運行程序中。

1.5.2 度量論文的相似性

提取的知識圖譜中論文特征向量用來表示，在論文類型劃分環(huán)境下，從2 個方面進行論文相似性度量，一個是知識圖譜中查詢向量與學術(shù)論文的相似性，另一個則是知識圖譜中用戶興趣與學術(shù)論文的相似性。則相似度的度量結(jié)果為：

其中，為輸入的知識圖譜中查詢向量或用戶興趣分析向量。

1.5.3 生成學術(shù)論文推薦列表

生成的學術(shù)論文推薦列表中，約束前20 個推薦論文必須與輸入的知識圖譜中的查詢向量有關(guān)，且相似度不得低于70%。按照相似性度量結(jié)果由大到小的順序進行論文排列，得出學術(shù)論文的最終推薦結(jié)果。

2 推薦效果測試實驗分析

2.1 搭建實驗環(huán)境

實驗采用FloyHub 作為訓練和推薦效果測試平臺，測試環(huán)境中包含一臺服務器和多臺計算機設(shè)備，實驗環(huán)境配置見表1。

表1 實驗環(huán)境參數(shù)配置表Tab.1 Experimental environment parameters configuration table

研究指出，由于設(shè)計的學術(shù)論文推薦方法應用了知識圖譜和深度學習算法，因此需要在實驗環(huán)境的基礎(chǔ)上嵌入相應的運行程序插件，保證2 種技術(shù)的協(xié)同運行。

2.2 準備學術(shù)論文數(shù)據(jù)樣本

實驗所采用的論文數(shù)據(jù)樣本可由多所高等院校圖書館提供，而且還可以利用網(wǎng)絡(luò)爬蟲，在多個學術(shù)與教學網(wǎng)絡(luò)中獲取學術(shù)論文、學術(shù)會議等類型的論文樣本數(shù)據(jù)。本文實驗所用的學術(shù)論文數(shù)據(jù)樣本是由本地2 所高校圖書館提供，準備的論文數(shù)據(jù)樣本包含中文、英文等多種語言，通過解析與統(tǒng)一化操作后，得出實驗數(shù)據(jù)樣本見表2。

表2 學術(shù)論文數(shù)據(jù)樣本Tab.2 Academic papers data samples

另外，根據(jù)高校圖書館的學術(shù)論文的歷史評論記錄和查詢行為等條目，在實驗環(huán)境中導入100458條評論記錄和行為記錄。將準備的所有論文數(shù)據(jù)樣本上傳到實驗環(huán)境中，上傳界面如圖3 所示。

圖3 論文數(shù)據(jù)樣本上傳界面Fig.3 Thesis data samples upload interface

2.3 設(shè)置推薦效果評價指標

實驗設(shè)置命中率和召回率作為實驗的評價指標，命中率越高的推薦列表，證明推薦方法的推薦效果更好。召回率為被引用的論文在前個推薦論文中占比。計算方式分別為：

2.4 描述推薦效果測試過程

為了形成實驗對比，分別設(shè)置傳統(tǒng)的推薦方法和文獻［9］推薦方法作為實驗的2 個對比方法，并將所有的推薦方法以程序代碼的形式導入到實驗環(huán)境中。按照用戶的需求輸入目標檢索詞，為了保證實驗結(jié)果的可信度，輸入的多個檢索詞形成實驗的多個組別，并通過計算評價指標的平均值得出最終推薦效果的仿真測試結(jié)果。研究中，論文設(shè)計推薦方法的輸出推薦結(jié)果如圖4 所示。

圖4 學術(shù)論文推薦頁面Fig.4 Academic papers recommendation page

2.5 測試實驗結(jié)果對比分析

利用相關(guān)數(shù)據(jù)的記錄與統(tǒng)計，運算得出推薦召回率的量化測試結(jié)果見表3。

通過對表3 中數(shù)據(jù)的處理，進一步得出3 種推薦方法的平均召回率分別為91.57%、93.18%和96.10%。由此可見，設(shè)計方法的召回率更高，即實際引用結(jié)果在推薦結(jié)果中的占比較高。同時，還給出了推薦結(jié)果命中率指標測試結(jié)果，如圖5 所示。

表3 學術(shù)論文推薦召回率測試結(jié)果Tab.3 Academic papers recommendation recall test results

圖5 推薦結(jié)果命中率對比曲線Fig.5 Recommendation results hit rate comparison curve

從圖5 中可以直觀地看出，應用設(shè)計方法得出推薦結(jié)果的命中率更高，即用戶的滿意度較高。

3 結(jié)束語

目前學術(shù)界對基于關(guān)鍵詞的學術(shù)論文推薦的研究，多是從詞義層面上進行優(yōu)化，并沒有考慮到不同文章中不同詞義類型的差異。通過知識圖譜和深度學習算法的應用，直接提升學術(shù)論文的推薦效果，并在一定程度上間接地滿足用戶對學術(shù)論文的需求，有助于提高科研人員的科研效率，拓寬科研視野，把握相關(guān)研究的新趨勢。