[论文解读] A Correspondence Analysis Framework for Author-Conference Recommendations

Rahul Radhakrishnan Iyer, Manish Sharma+1 more|arXiv (Cornell University)|Jan 8, 2020

Recommender Systems and Techniques参考文献 51被引用 4

一句话总结

本文提出了一种新颖的作者-会议匹配推荐系统，采用对应分析（CA）整合论文内容与作者社交网络，优于传统的基于内容和协同过滤的方法。通过基于频率的矩阵建模论文-会议关系，并利用CA进行降维，该方法在推荐准确率方面表现优异，尤其适用于无出版历史的新作者。

ABSTRACT

For many years, achievements and discoveries made by scientists are made aware through research papers published in appropriate journals or conferences. Often, established scientists and especially newbies are caught up in the dilemma of choosing an appropriate conference to get their work through. Every scientific conference and journal is inclined towards a particular field of research and there is a vast multitude of them for any particular field. Choosing an appropriate venue is vital as it helps in reaching out to the right audience and also to further one's chance of getting their paper published. In this work, we address the problem of recommending appropriate conferences to the authors to increase their chances of acceptance. We present three different approaches for the same involving the use of social network of the authors and the content of the paper in the settings of dimensionality reduction and topic modeling. In all these approaches, we apply Correspondence Analysis (CA) to derive appropriate relationships between the entities in question, such as conferences and papers. Our models show promising results when compared with existing methods such as content-based filtering, collaborative filtering and hybrid filtering.

研究动机与目标

• 解决为研究人员（尤其是无出版历史的新作者）推荐合适会议的挑战。
• 通过将内容与社交网络整合到统一框架中，克服现有方法仅依赖内容或社交网络的局限性。
• 提出一种基于降维的对应分析（CA）方法，有效建模论文、作者与会议之间的关系。
• 在真实世界的ACM会议数据上，对所提方法与现有过滤技术（基于内容、协同、混合）进行实证评估。

提出的方法

• 构建基于频率的矩阵：从论文摘要和会议出版记录中生成论文×词汇、论文×会议、以及词汇×会议矩阵。
• 应用对应分析（CA）进行降维并提取实体间的潜在关系，避免主成分分析（PCA）在离散数据上的局限性。
• 使用tf-idf和主题建模（LDA）表示论文内容，并对所得矩阵应用CA进行降维。
• 在混合模型中结合内容与社交网络特征，相似性计算采用余弦、欧几里得和皮尔逊度量。
• 采用多阶段推荐流程：矩阵构建 → CA变换 → 相似性计算 → 推荐前k名会议排序。
• 使用标准指标验证性能：MAP@5、MRR、MNDCG@5、MR-P、MF-M@5、MP@5和MR@5，在ACM出版物真实数据集上进行评估。

实验结果

研究问题

• RQ1 当应用于离散的、基于频率的数据矩阵时，对应分析是否能有效建模论文-会议关系？
• RQ2 整合作者社交网络数据在多大程度上提升了会议推荐的准确性，尤其是对新作者？
• RQ3 基于内容的过滤方法若使用CA，是否优于传统的协同过滤与混合方法？
• RQ4 表示方法的选择（tf-idf与主题建模）在多大程度上影响推荐性能？
• RQ5 在所提框架中，哪种相似性度量（余弦、欧几里得、皮尔逊）能产生最准确的会议推荐？

主要发现

• 基于内容的CA方法显著优于协同过滤，使用tf-idf时MAP@5达到0.1531（余弦度量），而协同过滤仅为0.1083。
• 仅依赖会议频率而不考虑内容的第一种方法在新作者中表现较差，表明需要内容感知模型。
• 基于内容的CA过滤方法优于仅使用CA的降维方法，表明降维过程中存在一定程度的信息损失。
• tf-idf表示优于主题建模（400个主题），可能是因为其特征粒度更高，且更有效地保留了词汇信息。
• 余弦相似度在所有指标中表现最佳，协同过滤的MRR为0.3862，混合过滤的MRR为0.3237。
• 结合内容与协同信号的混合过滤方法并未显著优于仅使用内容的过滤方法，表明内容仍是主导因素。