[论文解读] Usage-based vs. Citation-based Methods for Recommending Scholarly Research Articles

André Vellino|arXiv (Cornell University)|Mar 28, 2013

Recommender Systems and Techniques参考文献 15被引用 11

一句话总结

本研究通过评估种子文献与推荐文献之间的语义相似性，比较了基于使用行为（bX系统）和基于引用关系（Sarkanto）的学术文献推荐系统。利用从全文术语中提取的期刊级语义向量，研究发现基于引用的推荐比基于使用行为的推荐具有更高的语义多样性，且两种方法在推荐覆盖范围上具有较强的互补性。

ABSTRACT

There are two principal data sources for collaborative filtering recommenders in scholarly digital libraries: usage data obtained from harvesting a large, distributed collection of Open URL web logs and citation data obtained from the journal articles. This study explores the characteristics of recommendations generated by implementations of these two methods: the 'bX' system by ExLibris and an experimental citation-based recommender, Sarkanto. Recommendations from each system were compared according to their semantic similarity to the seed article that was used to generate them. Since the full text of the articles was not available for all the recommendations in both systems, the semantic similarity between the seed article and the recommended articles was deemed to be the semantic distance between the journals in which the articles were published. The semantic distance between journals was computed from the "semantic vectors" distance between all the terms in the full-text of the available articles in that journal and this study shows that citation-based recommendations are more semantically diverse than usage-based ones. These recommenders are complementary since most of the time, when one recommender produces recommendations the other does not.

研究动机与目标

• 评估并比较学术数字图书馆中基于使用行为与基于引用的推荐方法在推荐语义多样性方面的表现。
• 探究每种方法在捕捉学术文献之间语义关系方面的有效性。
• 确定基于使用行为与基于引用的推荐系统在实际应用中的互补性。
• 在无法获取全文数据的情况下，使用期刊级语义向量作为代理，评估种子文献与推荐文献之间的语义相似性。

提出的方法

• 使用bX系统进行基于使用行为的推荐，其数据源自记录用户交互行为的Open URL网络日志。
• 基于期刊文章的引用数据，实现了一种基于引用的推荐系统（Sarkanto）。
• 通过从各期刊文章的全文术语中提取的‘语义向量’，计算期刊之间的语义距离。
• 鉴于并非所有推荐均能获取全文，将期刊间的语义距离视为文献间语义相似性的代理指标。
• 通过比较种子文献所在期刊与推荐文献所在期刊之间的语义相似性（距离）来衡量推荐质量。
• 通过分析推荐文献的重叠情况，评估两种系统的互补性。

实验结果

研究问题

• RQ1 基于使用行为与基于引用的推荐系统在推荐的语义多样性方面有何差异？
• RQ2 基于使用行为与基于引用的推荐系统在推荐文献上的重叠程度如何？
• RQ3 当无法获取全文时，期刊级语义向量能否作为学术文献间语义相似性的可靠代理？
• RQ4 在与种子文献的语义接近度方面，基于引用的推荐与基于使用行为的推荐相比如何？

主要发现

• 基于引用的推荐表现出显著高于基于使用行为推荐的语义多样性。
• 期刊间的语义距离可作为文献间语义相似性的可靠代理，即使缺乏全文访问，也能实现有效比较。
• 基于使用行为与基于引用的推荐系统产生的推荐内容在很大程度上不重叠，表明两者具有较强的互补性。
• 平均而言，基于引用的推荐与种子文献所在期刊的语义距离更远，表明其在探索相关主题方面更具广度。
• 本研究证实，基于引用的系统在推荐语义多样但相关性强的学术文献方面更为有效。