摘要
目前,在线百科(如维基百科等)已提供海量且主题多样的文章。然而,部分文章内容仍不够完善。本文提出Ency Catalog Rec,一种能为百科文章推荐相关目录,从而帮助用户更好完善百科内容的系统。首先,将百科文章和目录项表达为内嵌向量,基于局部敏感哈希方法检索得到相关文章,并以这些文章的目录项为候选项;然后,基于检索得到的文章及其目录项构建关系图,进一步转为乘积图;在乘积图上,将目录推荐问题转为直推式学习问题;最后,基于学习排序算法对推荐得到的目录项排序。热启动和冷启动场景实验均证实,本文所提方法性能优于已有方法。最后通过示例验证了所提方法性能。
- 单位