期刊论文

中文

情报学报

1000-0135

2022

41

1

62-72

10.3772/j.issn.1000-0135.2022.01.007

国家自然科学基金青年科学基金项目“基于深度语义表示和多文档摘要的学术文献自动综述研究”（71904058）； 中国博士后科学基金项目“面向综述自动撰写的摘要式学术搜索引擎研究”（2020M682458）；

本校为第一机构

学术文献特征表示,是学术文献搜索、分类组织、个性化推荐等学术大数据服务的关键步骤。研究表明,图神经网络能够有效学习文献的特征表示,然而当前研究主要集中在有监督学习方法上,不仅对数据集的大小和质量的要求较高,且学习到的文献特征表示与具体任务高度耦合。基于此,本文将四种无监督图神经网络方法引入学术文献表示学习,从Cora、CiteSeer和DBLP （database systems and logic programming）数据集的引文网络、共被引网络和文献耦合网络中学习文献的表示向量,并应用于文献分类和论文推荐两大下游任务。研究结果表明,（1）深度互信息图神经网络适合于文献分类任务,对抗正则化变分图自编码器...

Constructing feature representations of academic papers is a key step in providing scholarly big data services,such as academic searches,literature classification and organization,and personalized paper recommendations.The current research shows that using graphs of neural networks can help researchers learn how to effectively construct representations of academic papers,but most have focused on a supervised learning approach,which requires massive amounts of highquality data.Based on this context,in this study uses four unsupervised graphs of neural networks for learning to construct represen...