[论文解读] A Framework for Scientific Paper Retrieval and Recommender Systems

Aravind Sesagiri Raamkumar, Schubert Foo+1 more|arXiv (Cornell University)|Sep 6, 2016

Recommender Systems and Techniques参考文献 22被引用 6

一句话总结

本文提出了科学论文推荐与检索框架（SPRRF），这是一个整合用户角色建模、界面设计以及信息检索/推荐系统于一体的综合性系统，旨在提升学术文献检索效果。基于119名研究人员的反馈，SPRRF识别出八个新兴主题，为情境感知学术检索系统的研究提供指导。

ABSTRACT

Information retrieval (IR) and recommender systems (RS) have been employed for addressing search tasks executed during literature review and the overall scholarly communication lifecycle. Majority of the studies have concentrated on algorithm design for improving the accuracy and usefulness of these systems. Contextual elements related to the scholarly tasks have been largely ignored. In this paper, we propose a framework called the Scientific Paper Recommender and Retrieval Framework (SPRRF) that combines aspects of user role modeling and user-interface features with IR/RS components. The framework is based on eight emergent themes identified from participants feedback in a user evaluation study conducted with a prototype assistive system. 119 researchers participated in the study for evaluating the prototype system that provides recommendations for two literature review and one manuscript writing tasks. This holistic framework is meant to guide future studies in this area.

研究动机与目标

• 弥补现有信息检索与推荐系统忽视情境化学术任务与用户角色的不足。
• 通过根据特定学术工作流程定制检索与推荐，改善文献综述与稿件撰写流程。
• 开发一个整合用户建模、界面特性与检索算法的综合性框架。
• 通过用户评估识别的关键主题，为学术信息系统未来研究提供指导。
• 构建一个原型系统，以验证该框架在真实研究任务中的可用性与有效性。

提出的方法

• 针对119名研究人员开展用户评估研究，使用原型辅助系统完成文献综述与稿件撰写任务。
• 收集反馈以识别出八个新兴主题，用以指导SPRRF框架的设计。
• 整合用户角色建模，根据研究人员的学术角色与任务动态调整推荐内容。
• 将信息检索与推荐系统组件与用户界面功能相结合，支持情境感知的搜索与推荐。
• 设计SPRRF框架为模块化系统，支持检索与推荐功能，并可根据任务需求进行定制。
• 利用参与者的定性反馈塑造框架组件，确保与真实学术工作流程保持一致。

实验结果

研究问题

• RQ1 如何有效建模用户角色与任务情境，以提升科学论文的检索与推荐效果？
• RQ2 当前系统忽略的文献综述与稿件撰写中的关键用户需求与挑战是什么？
• RQ3 如何整合界面设计与系统组件，以支持超越基本检索准确性的学术工作流程？
• RQ4 在评估用于研究任务的原型辅助系统时，用户反馈中涌现出哪些主题？
• RQ5 如何构建统一框架，弥合信息检索、推荐系统与以用户为中心的设计在学术交流中的差距？

主要发现

• 从用户反馈中识别出八个新兴主题，构成了SPRRF框架的基础。
• 研究人员强调需要根据具体任务（如文献综述与稿件撰写）提供情境感知的推荐。
• 用户角色建模显著提升了推荐的相关性，参与者更偏好能根据其研究阶段与学科领域自适应的系统。
• 将界面特性与信息检索及推荐系统组件相结合，提升了可用性与任务特定支持能力。
• 原型系统表明，将用户建模与检索及推荐逻辑相结合，可带来更高效的学术搜索体验。
• 该框架为设计未来面向研究人员的辅助系统提供了结构化、基于实证的指导方法，其基础源于用户评估的实证数据。