43、基于知识图谱和多任务学习的引文推荐模型

基于知识图谱和多任务学习的引文推荐模型

在学术研究中，引文推荐对于帮助学者快速找到相关文献至关重要。今天要介绍的是一种基于知识图谱和多任务学习的引文推荐模型（KMCR），它能有效解决现有方法在挖掘论文属性不足和引入知识图谱时容易过拟合的问题。

1. KMCR 模型架构

KMCR 模型主要由三个部分组成：
- 引文推荐任务模块
- 知识图谱链接预测任务模块
- 特征共享模块

下面是该模型的主要流程，用 mermaid 流程图展示：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(输入引用论文 y 和候选被引论文 x(i)):::process --> B(构建伪交互矩阵):::process
    B --> C(提取交互特征和文本特征):::process
    C --> D(特征融合计算引文概率):::process
    E(知识图谱 G):::process --> F(获取头实体特征 eh 和关系特征 er):::process
    F --> G(多层感知机模型 MLP):::process
    G --> H(输出预测尾实体 et'):::process
    I(特征共享模块):::process --> J(实现特征共享):::process
    D --> J
    H --> J

2. 引文推荐任务