基于關鍵詞語義類型和文獻老化的學術論文推薦

熊回香 孟璇 葉佳鑫

收稿日期：2020-11-04

基金項目：國家社會科學基金一般項目“融合知識圖譜與深度學習的在線學術資源挖掘與推薦研究”（項目編號：19BTQ005）。

作者簡介：熊回香（1966-），女，教授，博士生導師，研究方向：網絡信息組織與檢索。孟璇（1994-），男，碩士研究生，研究方向：網絡信息組織與檢索。葉佳鑫（1993-），男，博士研究生，研究方向：網絡信息組織與檢索。

摘 要：[目的/意義]從關鍵詞語義類型和學術文獻老化兩個維度出發挖掘學術論文價值，為學者推薦符合其研究需求并在時間維度上具有較大參考意義的學術論文。[方法/過程]首先，將學術論文關鍵詞按語義類型進行劃分;隨后，基于共現關系計算同類型關鍵詞間相似度，基于關鍵詞相似度得到論文在語義類型上的相似度;然后，借用文獻老化思想，計算不同類型論文的時間價值;最后，結合論文在語義類型上的相似度及時間價值，生成論文推薦列表從而進行推薦工作。[結果/結論]實證結果表明，使用該方法推薦的論文，一方面與學者研究方向相符;另一方面在時間維度上也具有較大價值，推薦的論文質量較高。

關鍵詞：關鍵詞;語義類型;文獻老化;學術論文推薦

DOI：10.3969/j.issn.1008-0821.2021.01.002

〔中圖分類號〕G252.62 〔文獻標識碼〕A 〔文章編號〕1008-0821（2021）01-0013-11

Recommendation of Academic Papers Based on Keyword

Semantic Type and Literature Obsolescence

Xiong Huixiang Meng Xuan Ye Jiaxin

（School of Information Management，Central China Normal University，Wuhan 430079，China）

Abstract：[Purpose/Significance]In order to recommend academic papers for scholars the value of academic papers is explored from the two dimensions of keyword semantic type and academic literature obsolescence，and these papers meet their research needs and have greater reference significance in the time dimension are recommended for.[Method/Process]First，the keywords of academic papers were divided into four types;then，the similarity between keywords of the same type was calculated based on the co-occurrence relationship，and the similarity of the papers in semantic types was obtained based on the keyword similarity;then，calculated the time value of different types of papers using the idea of literature obsolescence;finally，combined the similarity and time value of the papers in semantic types to generate a recommendation list of papers for scholars.[Result/Conclusion]The empirical result showed that，on the one hand，the papers recommended by this method were consistent with the research direction of scholars，on the other hand，they also had great value in the time dimension and high quality.

Key words：keyword;semantic type;literature obsolescence;academic paper recommendation

科學技術的不斷發展，使得各學科領域內的科研成果的數量呈指數增長，而海量科研成果的出現在豐富學者所需學術資源的同時，也造成了資源檢索困難，尤其是在科學研究的過程中查詢和引用相關論文具有很大難度，學者難以在短時間內精準定位最具參考價值的學術論文。為緩解科研人員的信息過載與信息迷航等問題，論文推薦等個性化服務技術受到了學術界的廣泛關注。

學術論文推薦是指根據學者個性化信息為學者推送符合其偏好的學術論文信息。對于學者而言，具有較高參考價值的推薦論文需要達到兩點要求：第一，特征價值。推薦論文所呈現的特征需要符合學者興趣及其研究方向;第二，時間價值。推薦論文要具備一定的新穎性，有一定的參考意義。然而，目前大多數學術論文推薦方法的研究重點主要集中在對學者偏好及論文內容特征的相關度計算上，以盡可能挖掘學者和論文間的潛在關聯為目標，卻較少側重于對論文本身價值的挖掘，即從不同維度分析論文的特征價值和時間價值。為了更好地挖掘論文自身價值，本文從論文關鍵詞的語義類型和文化老化規律出發，一方面利用共詞分析計算同一語義類型關鍵詞的相似度，挖掘學者在研究主題、研究范圍與理論技術方法等維度上所需論文;另一方面，結合文獻在不同語義類型維度的老化特征，確定各語義類型的老化權重系數，對論文進行綜合打分并排序，從而為學者推薦既符合其研究需求，又具有較高時間價值的論文。

3 推薦模型框架

本文借助關鍵詞語義劃分理論和文獻老化理論，將關鍵詞劃分成4種語義類型，采用共現法對關鍵詞進行向量表示，計算同類型關鍵詞相似度，進而挖掘論文關聯，提高推薦效果。同時引入文獻老化思想，在考慮單篇候選論文時效性的同時，分析不同語義類型關鍵詞的文獻老化特征，確定各語義類型的文獻老化權重，衡量不同語義類型的文獻在時間維度上的價值，從而為學者推薦既符合其研究需求，又具有較高時間價值的論文。本文提出的基于關鍵詞語義類型與文獻老化的論文推薦模型框架如圖1所示。

本研究可分為以下幾個步驟：第一，將每篇論文的關鍵詞按其語義類型劃分為研究主題、研究范圍、理論技術方法、其他4類，并按類型進行匯總，得到每個語義類型下關鍵詞集合;第二，著重對研究主題、研究范圍、理論技術方法這3類進一步研究，根據關鍵詞的共現關系，計算關鍵詞間相似度;第三，借助文獻老化思想，根據論文年齡計算文獻老化權重;第四，綜合考量關鍵詞相似度與文獻老化因素，計算學者已有論文與候選論文間的相關性并將其進行排序，從而實現論文推薦。

3.1 關鍵詞語義類型劃分

在推薦過程中，從學者科研需求角度出發，一部分學者在文獻調研時圍繞預計研究的主題展開查找，需要針對研究主題給學者推薦論文;一部分學者會先從某一理論方法或某一技術模型出發，了解理論技術細節的同時，查看其他學者將這些理論技術運用在哪些場景中;還有一部分學者可能對自己的研究主題或者要用的理論技術方法比較模糊，他們往往會針對某一特定的研究對象或者研究范圍，查看在這一研究范圍內其他學者都做了哪些研究。由于研究領域關鍵詞外延較廣，子知識點關鍵詞又較為具體，因而本文將這兩類關鍵詞統一劃分為“其他類”，不對這兩類進行分析。本文按照表1相應標準對關鍵詞的語義類型進行劃分。

例如，論文“基于Kano模型的高校智慧圖書館功能需求研究”的關鍵詞是“高校智慧圖書館”“功能需求”“Kano模型”。從標題中可以得知該論文研究內容是圍繞“功能需求”展開研究的，因而“功能需求”屬于研究主題類型關鍵詞;“基于Kano模型”表明該文是利用Kano模型進行研究的，因此“Kano模型”關鍵詞屬于理論技術方法類型;該論文的研究對象是針對高校智慧圖書館的，因此關鍵詞“高校智慧圖書館”屬于研究范圍類型。

為了保證關鍵詞語義劃分的準確性和客觀性，在對關鍵詞語義類型進行劃分后，再由5名本領域同事對劃分結果進行獨立檢查，并針對有爭議的劃分進行集中討論，力求通過不同語義類型的關鍵詞，能夠無歧義地揭示論文研究的主要內容，最終討論后得出一致的劃分結果。

3.2 基于共現關系的關鍵詞相似度計算

根據表1將關鍵詞按照語義類型劃分后，在同語義類型關鍵詞中，可以直接得到兩篇論文的關系，如“基于序列模式的科技文獻中知識元抽取研究”和“基于深度學習的文本中細粒度知識元抽取方法研究”的研究主題關鍵詞都為“知識元抽取”，兩篇論文的關聯性一目了然。為進一步挖掘論文間的潛在關聯，本文基于關鍵詞共現對關鍵詞相似度進行計算。

共詞分析法最早是由法國文獻計量學家于20世紀70年代中后期提出的，其思想來源于文獻計量的引文耦合與共被引概念。1986年Callon M等[18]對該理論與方法進行完善。現如今共詞分析法發展已經較為成熟，應用十分廣泛。而關鍵詞共現法作為共詞分析法應用之一，一般用來發現熱點主題和挖掘詞間關聯。但傳統關鍵詞共現存在“同量不同質”，詞對關聯缺乏語義性等問題[19]，基于此，本文在傳統關鍵詞共詞分析的基礎上，借助關鍵詞語義類型，加入語義共現關系計算關鍵詞相似度，即同語義類型關鍵詞之間的相似度是基于當前類別的關鍵詞與其他兩類關鍵詞的共現關系得到的。以研究范圍關鍵詞為例，具體步驟如下：

首先，構建研究范圍關鍵詞共現矩陣。研究范圍關鍵詞在研究主題維度的共現矩陣可表示為A，研究范圍關鍵詞在理論技術方法維度的共現矩陣可表示為B。

其中，m為研究范圍關鍵詞個數，n為研究主題關鍵詞個數，c為理論技術方法關鍵詞個數。以A矩陣為例，則該矩陣第i行向量可以表示為：

vi=（ai1，ai2，ai3，…，ain）

其中aij代表研究范圍第i個關鍵詞在研究主題類第j個關鍵詞上的共現次數，例如，若兩個關鍵詞只在一篇論文中共同出現過，則取值為1;若在兩篇論文中共同出現，則取值為2。

其次，利用共現向量構建研究范圍關鍵詞在研究主題上的相似度矩陣ST。

ST=st11…st1m

stm1…stmm

stij代表研究范圍類型中第i個關鍵詞與第j個關鍵詞的相似度，利用余弦定理對其進行計算，見式（1）。

stij=vi·vjvi×vj=∑nk=1aik×ajk∑nk=1a2ik∑nk=1a2jk（1）

i=1，2，…，m; j=1，2，…，m

同理可得，研究范圍在理論技術方法上的相似度矩陣SM。最后，將ST矩陣和SM矩陣中對應位置元素值兩兩求和并平均，得到研究范圍關鍵詞相似度矩陣S。具體見式（2）：

Sim2=s11…s1m

sm1…smm=st11+sm112…st1m+sm1m2

stm1+smm12…stmm+smmm2（2）

同理，按照上述計算方法也可得出研究主題關鍵詞相似度矩陣Sim1和理論技術方法關鍵詞相似度矩陣Sim3。

3.3 文獻老化權重計算

基于文獻老化理論，本文的推薦方法從兩個角度引入文獻老化權重。

一方面針對候選論文計算單篇論文的老化權重，采用文獻[20]的方法，單篇論文老化權重計算方法見式（3）、式（4）。

vi=2T-tlife（3）

wi=vimax（v）（4）

式（3）中，T表示文獻半衰期，參考相關文獻將T取值為6[21]，tlife為論文年齡，具體計算方法為推薦時間減去論文發表時間，精確到天再換算成以年為單位。在實際推薦過程中發現，較新論文的文獻老化權重較之較老的論文差異過大，因而通過式（4）進行歸一化處理。以半衰期作為參考可以較為準確地反映論文的老化程度，即論文的發表年齡離半衰期越近，則論文的時效價值越低;反之論文的價值越高。

另一方面基于關鍵詞語義類型的老化特點，將一篇論文的老化從研究主題、研究范圍、理論技術方法3個視角進行分析。從近幾年情報學科發展來看，研究主題的老化速度較慢，仍然圍繞情報學理論、網絡信息組織與檢索、網絡輿情、競爭情報、數據挖掘、知識發現、個性化推薦等若干主題展開研究;研究范圍的老化速度相較于研究主題而言稍快，從宏觀角度來看主要是由于整個情報學研究背景的變化，從微觀角度上看原因在于新事物的不斷出現導致研究對象的不斷轉換;理論技術方法的老化速度是最快的，主要原因在于情報學科與計算機學科的深度交叉，導致情報學越來越多地借助計算機學科中較新的技術方法解決情報學科中的問題。在計算機學科成果日新月異的今天，以技術方法為驅動的情報學科論文也隨之以較快的速度老化。基于此，本文將3種語義類型的文獻老化權重依次乘以相關系數進行調整，取值為：研究主題η1=0.7，研究范圍η2=0.6，理論技術方法η3=0.5。

3.4 論文推薦列表生成

選取目標學者較新的5篇論文作為目標論文，對第i篇候選論文相對于第j篇目標論文的價值進行打分，計算方法見式（5）。

Score（i，j）=wi*∑nk=1ηk*Simk（i，j）（5）

其中，wi代表候選論文集合中第i篇論文的文獻老化權重，n=3，代表從3個維度計算候選論文價值。當k=1時，η1為研究主題的老化權重系數，Sim1（i，j）代表第i篇候選論文研究主題類型的關鍵詞與第j篇目標論文研究主題類型的關鍵詞的相似度;同理，當k=2時，η2為研究范圍的老化權重系數，Sim2（i，j）代表第i篇候選論文研究范圍類型的關鍵詞與第j篇目標論文研究范圍類型的關鍵詞的相似度;當k=3時，η3為理論技術方法的老化權重系數，Sim3（i，j）代表第i篇候選論文理論技術方法類型的關鍵詞與第j篇目標論文理論技術方法類型的關鍵詞的相似度。

最后，選取候選論文與學者目標論文分數的最大值作為該候選論文在該學者下的最終分數，見式（6）。

Paperscore（i，p）=max（Score（i，k））（6）

k=1，2，…，M

Paperscore（i，p）為第i篇候選論文在第p個學者下的價值，M為第p個學者下目標論文數量。Score（i，k）為第i篇候選論文對于第p個學者下第k篇目標論文的價值分數。最后對第p個學者下500篇的Paperscore進行排序，取Top-N作為推薦列表。

在實際推薦過程中，可能出現以下幾種特殊情況：第一，目標論文不含有某種語義類型的關鍵詞。這時該目標論文在該語義類型方面與所有候選論文的相似度都為0;第二，候選論文不含有某種語義類型的關鍵詞。這時目標論文與該候選論文在該語義類型下相似度為0;第三，目標論文或者候選論文在某一語義類型的關鍵詞數量大于1。例如：計算目標論文A與候選論文B在理論方法上的相似度，A或者B中理論技術方法類型的關鍵詞可能存在多個，為了讓B在理論方法維度上盡可能與A相似，又同時能突出論文本身的特色關鍵詞，本文借助TF-IDF和貪婪策略思想提出一種解決思路：首先，在多個理論方法關鍵詞中篩選出總論文集合（目標論文集+候選論文集）詞頻較低的關鍵詞，作為論文的核心關鍵詞，然后基于核心關鍵詞計算論文A與論文B的相似度，若有多個核心關鍵詞則取相似度最高的詞對間相似度作為論文的相似度結果。

4 實證結果及分析

4.1 數據獲取與預處理

本文以熊回香、王忠義、易明、余傳明等10位學者作為學者集，將每位學者發表的較新的5篇論文作為目標論文集，如表2所示。根據目標論文關鍵詞從CNKI數據庫檢索近5年的相關論文，隨機進行選取得到500篇候選論文，部分如表3所示。針對目標論文及候選論文的每個關鍵詞按其語義類型進行劃分，同時對關鍵詞進行規范化處理，如對涉及英文算法模型的大小寫進行統一，中英文指代同一對象的關鍵詞進行統一，得到不同類型關鍵詞共1 687個，篩除其他類關鍵詞后，得到研究主題類關鍵詞407個，研究范圍類關鍵詞339個，理論技術方法類關鍵詞460個，各類關鍵詞部分如表4所示。

4.2 評價指標

本文從特征價值與時間價值兩方面對實驗結果進行量化評估，即針對推薦論文的相似度及其時效性分別進行打分，同時與基于關鍵詞的文獻聚類推薦方法進行分數對比，以說明本文推薦框架的有效性。

推薦論文的相似度分數量化步驟如下：首先，在3.4小節生成的目標學者推薦列表的基礎上，不考慮關鍵詞語義類型的老化權重系數以及候選論文本身的文獻老化權重，計算推薦列表中候選論文與學者的相似度，見式（7）。

Sim_score（i，j）=∑nk=1Simk（i，j）n（7）

其中，Sim_score（i，j）代表第i篇候選論文與第j篇目標論文的綜合相似度分值，考慮到3個維度相似度求和后可能出現大于1的情況，因此取其平均值;其余各符號含義與式（5）相同。

然后根據式（6）的思想，選取Sim_score最大值作為候選論文與該學者的相似度打分，見式（8）。最后，將學者Top-N推薦列表中的N篇候選論文相似度分數求平均值，作為該學者的相似度得分，見式（9）。

Paperscore_sim（i，p）=max（Sim_score（i，k））（8）

Ascore_sim（p）=∑Nk=1Paperscore_sim（k，p）N（9）

推薦論文的時效性量化方法與相似度類似，即Top-N推薦列表中候選論文的文獻老化權重的平均值，見式（10）。

Ascore_time（p）=∑Nk=1wkN（10）

基于關鍵詞的文獻聚類推薦方法主要思想是根據文獻的關鍵詞對文獻進行0～1向量表示，進而得到文獻間余弦相似度。最后根據式（8），得到候選論文與學者相似度，排序取Top-N生成推薦列表。其特征價值與時間價值的量化與本文推薦方法相同。

4.3 推薦結果及分析

根據關鍵詞不同的語義類型得到關鍵詞共現矩陣后，依據式（1）和式（2）依次得到研究主題關鍵詞相似度矩陣，研究范圍關鍵詞相似度矩陣及理論技術方法關鍵詞相似度矩陣，如表5～7所示。

從以上3個表可見，相似度矩陣較為稀疏，其本質在于部分作者在使用關鍵詞時的隨意性，例如：論文“科技文獻資源中方法知識元的抽取研究”的研究主題關鍵詞是“自動抽取”，而實際上準確地說應為“知識元抽取”，從而導致多篇論文雖然研究主題一致，但研究主題關鍵詞卻不一樣的情況出現，進而計算得到的相似度矩陣較為稀疏。

根據式（3）和式（4）可得候選論文的文獻老化權重值，如表8所示。

根據式（5）和式（6），針對候選論文對于學者下的5篇目標論文的價值進行綜合打分，并將分數從高到低排序取前8名作為學者推薦列表。

根據式（7）～（10）對本文推薦方法與基于關鍵詞的文獻聚類推薦方法的特征價值和時間價值進行量化評估并比較，如表9所示。

從表9中可以看出，相較于傳統的基于關鍵詞的文獻聚類論文推薦方法，在推薦過程中，對關鍵詞的語義類型進行劃分并引入文獻老化權重，從整體上能夠較大提高推薦論文與學者的相似度以及論文本身時效性價值。該實驗結果表明，本文細化到關鍵詞所屬語義類型進行推薦，更有利于給學者推薦符合其研究興趣的學術論文;同時，引入文獻老化思想，使推薦論文較為貼近當前研究熱點，有利于學者產生新思路，形成新知識。

5 結 語

針對當前基于關鍵詞進行學術論文推薦的研究，大多只是從詞匯語義層面進行優化，卻未考慮不同詞匯在不同文章中所屬的語義類型差異。本文基于關鍵詞語義類型及文獻老化對論文推薦工作進行優化。根據推薦結果發現，該推薦方法能夠較好地發現相關論文，有利于提高科研學者的科研效率、拓寬科研視角、把握新的相關研究風向。本文的不足之處在于未考慮關鍵詞間的同形異義和同義異形問題，使得最終推薦結果會受到一定影響;其次，論文關鍵詞一定程度上的隨意性和不規范性給關鍵詞語義類型劃分帶來很大挑戰，不同的劃分結果對推薦結果影響較大，可能需要更大的數據集才能使得推薦結果收斂;最后，針對不同語義類型的文獻老化權重取值未能作出嚴謹闡釋。這些問題的解決仍需開展大量的工作，將在未來的研究中逐一進行探討。

參考文獻

[1]Ohta M，Hachiki T，Akasu A.Related Paper Recommendation to Support Online-browsing of Research Papers[C]//Fourth International Conference on the Applications of Digital Information and Web Technologies，2011：130-136.

[2]唐浩，劉柏嵩，劉曉玲，等.基于協同知識圖譜特征學習的論文推薦方法[J].計算機工程，2020，46（9）：306-312.

[3]孟偉龍.基于圖模型的論文推薦系統設計與實現[D].咸陽：西北農林科技大學，2019.

[4]盧美蓮，張正林，劉智超.MFWT：一種推薦學術論文的混合模型[J].北京郵電大學學報，2016，39（4）：24-29.

[5]徐勇，司鳳山，吳延輝，等.基于概念泛化的科技文獻推薦算法[J].圖書情報工作，2012，56（21）：101-108.

[6]Qi J，Ohsawa Y.Matrix Plane Model：A Novel Measure of Word Co-occurrence and Application on Semantic Relatedness[C]//2015 IEEE International Conference on Data Mining Workshop（ICDMW）.IEEE，2015：1246-1257.

[7]Aouicha M B，Taieb M A H，Hamadou A B.Taxonomy-based Information Content and Wordnet-wiktionary-wikipedia Glosses for Semantic Relatedness[J].Applied Intelligence，2016：45（2），475-511.

[8]Jorge G，Eduardo M.Web-based Measure of Semantic Relatedness[C]//Proceedings of the International Conference on Web Information Systems Engineering（WEBIST）.Springer，Berlin，Heidelberg，2008：136-150.

[9]Asim M，Khusro S.Content Based Call for Papers Recommendation to Researchers[C]//International Conference on Open Source Systems and Technologies（ICOSST）.IEEE，2018：42-47.

[10]譚紅葉，要一璐，梁穎紅.基于知識脈絡的科技論文推薦[J].山東大學學報：理學版，2016，51（5）：94-101.

[11]胡昌平，陳果.科技論文關鍵詞特征及其對共詞分析的影響[J].情報學報，2014，33（1）：23-32.

[12]Gosnell C F.The Rate of Obsolescence in College Library Book Collections By an Analysis of Three Select Lists of Books for College Libraries[D].New York：New York University，1943.

[13]邱均平.信息計量學（三）第三講 文獻信息老化規律與應用[J].情報理論與實踐，2000，23（3）：237-240，192.

[14]Burton R E，Kebler R W.The“half-life”of Some Scientific and Technical Literatures[J].American documentation，1960，11（1）：18-22.

[15]Price D J.Citation Measures of Hard Science，Soft Science，Technology，and Nonscience[J].Communication Among Scientists and Engineers，1970：3-22.

[16]馬費成，夏永紅.網絡信息的生命周期實證研究[J].情報理論與實踐，2009，32（6）：1-7.

[17]Brookes B C.The Growth，Utility，and Obsolescence of Scientific Periodical Literature[J].Journal of Documentation，1970：26（4）：283-294.

[18]Callon M，Courtial J P，Turner W A，et al.From Translations to Problematic Networks：An Introduction to Co-word Analysis[J].Information（International Social Science Council），1983，22（2）：191-235.

[19]巴志超，李綱，朱世偉.共現分析中的關鍵詞選擇與語義度量方法研究[J].情報學報，2016，35（2）：197-207.

[20]賴院根，王星.面向檢索排序的論文重要度測算[J].情報理論與實踐，2009，32（10）：78-81.

[21]周二強.SSCI收錄圖書情報學期刊2013—2017年被引半衰期變化及其影響因素研究[J].江蘇科技信息，2020，37（12）：12-16.

（責任編輯：郭沫含）