16、学术期刊推荐系统与绿色供应链采购效率优化研究

学术期刊推荐系统与绿色供应链采购效率优化研究

学术期刊推荐系统

在学术研究中，为作者推荐合适的期刊是一项重要的工作。下面将详细介绍学术期刊推荐系统的相关内容。

1. 相关技术与方法

• K折交叉验证 ：K折交叉验证是一种数据验证方法，它将数据分成K个部分，每个部分的数据量相同。然后循环使用每个部分的数据来测试模型的性能，直到所有K个部分都被使用。最后通过平均每个循环的准确率来得到模型的准确率。这种方法比单次试验验证更可靠。
• 相关工作
  • Magara等人的研究 ：他们基于英语文章中所有文本的词频提出了一个学术论文推荐模型，并计算TF - IDF值来表示单词的重要性。在实验中，使用了根特大学计算机科学系的220篇人工智能文章，70%用于训练集，30%用于测试集。比较了随机森林、递归划分和提升树三种算法的准确性和效率，最终选择递归划分算法进行模型开发，其准确率为80.73%，处理时间为2.354628秒。
  • Lee等人的研究 ：利用读者所写文章的信息开发了一个学术文章推荐模型。使用网络爬虫从IEEE Xplore和ACM数字图书馆两个学术文章网站提取数据，通过去除词尾“ - ed”、“ - ly”和“ - ing”等字母以及其他140个非必要单词来清理数据。使用k近邻方法计算文章之间的相似度，并使用K - Means方法将文章聚类。该推荐系统在推荐时，正确推荐组的比例达到89%。
  • Sugiyama和