[论文解读] Profiling vs. Time vs. Content: What does Matter for Top-k Publication Recommendation based on Twitter Profiles? - An Extended Technical Report

Chifumi Nishioka, Ansgar Scherp|arXiv (Cornell University)|Mar 22, 2016

Recommender Systems and Techniques参考文献 33被引用 14

一句话总结

本研究评估了三种关键因素——资料建档方法、时间衰减和内容丰富度——在基于Twitter资料的top-k科学出版物推荐中的影响。研究发现，CF-IDF搭配滑动窗口与全文内容的策略表现最佳，但HCF-IDF仅使用标题即达到相近效果，使其在数据稀疏场景下依然高效。

ABSTRACT

So far it is unclear how different factors of a scientific publication recommender system based on users' tweets have an influence on the recommendation performance. We examine three different factors, namely profiling method, temporal decay, and richness of content. Regarding profiling, we compare CF-IDF that replaces terms in TF-IDF by semantic concepts, HCF-IDF as novel hierarchical variant of CF-IDF, and topic modeling. As temporal decay functions, we apply sliding window and exponential decay. In terms of the richness of content, we compare recommendations using both full-texts and titles of publications and using only titles. Overall, the three factors make twelve recommendation strategies. We have conducted an online experiment with 123 participants and compared the strategies in a within-group design. The best recommendations are achieved by the strategy combining CF-IDF, sliding window, and with full-texts. However, the strategies using the novel HCF-IDF profiling method achieve similar results with just using the titles of the publications. Therefore, HCF-IDF can make recommendations when only short and sparse data is available.

研究动机与目标

• 探究不同资料建档方法对基于Twitter的科学出版物推荐性能的影响。
• 比较滑动窗口与指数衰减两种时间衰减函数对推荐准确率的影响。
• 评估仅使用出版物标题而非全文内容是否会影响推荐质量。
• 识别top-k出版物推荐中资料建档、衰减函数与内容丰富度策略的最佳组合。
• 评估推荐策略在不同用户人口统计特征（如学术水平、职业类型）下的鲁棒性。

提出的方法

• 采用CF-IDF，即TF-IDF的语义扩展方法，将术语替换为知识库中的概念频率。
• 提出HCF-IDF，一种新颖的CF-IDF分层变体，通过领域特定分类体系上的传播激活来推断隐含语义概念。
• 将LDA（潜在狄利克雷分配）作为对比基线进行主题建模。
• 实现两种时间衰减函数：滑动窗口（基于时间截断）与指数衰减（按时间衰减加权）。
• 使用出版物的全文和标题作为候选项目资料建档的内容来源。
• 通过123名参与者的被试内在线实验进行评估，采用排名分数及标准信息检索指标（MAP、MRR、nDCG）衡量性能。

实验结果

研究问题

• RQ1 不同资料建档方法（CF-IDF、HCF-IDF、LDA）如何影响基于Twitter资料的top-k出版物推荐性能？
• RQ2 滑动窗口与指数衰减在时间维度上对推荐准确率的相对影响为何？
• RQ3 仅使用出版物标题而非全文内容，对推荐性能的退化程度如何？
• RQ4 哪种资料建档方法、衰减函数与内容丰富度的组合能实现最高推荐性能？
• RQ5 用户人口统计特征（学术水平、专业、工作经验年限、职业类型）如何调节推荐策略的有效性？

主要发现

• 结合CF-IDF、滑动窗口衰减与全文内容的策略实现了最高的整体推荐性能。
• 尽管仅使用出版物标题，HCF-IDF仍达到与CF-IDF使用全文内容相近的性能，表明其具备强大的语义推理能力。
• 使用HCF-IDF搭配标题与CF-IDF搭配全文内容的策略之间未发现显著差异，表明HCF-IDF能有效弥补内容稀疏性。
• 拥有学士学位的参与者认为推荐出版物更具吸引力，而拥有讲师/教授职称的参与者则评价较低，提示评估中可能存在人口统计偏差。
• 专业、职业经验年限或职业类型对推荐性能无显著影响，表明策略在不同用户群体中具有鲁棒性。
• 策略因素对性能有显著影响（F = 16.02，p < .01），而人口统计因素与策略之间除学术学位外无显著交互作用。