1、在線論文發(fā)布平臺(tái)作為一種新型的知識(shí)傳播媒體為學(xué)術(shù)作品的發(fā)布、評(píng)審提供了便捷的途徑,但現(xiàn)有平臺(tái)依然存在傳統(tǒng)系統(tǒng)的聚集型的信息羅列、被動(dòng)的等待論文評(píng)審的弊端,缺少有效的個(gè)性化服務(wù)以加強(qiáng)論文資源的動(dòng)態(tài)調(diào)度。針對(duì)此類(lèi)問(wèn)題,本文通過(guò)深入分析個(gè)性化推薦算法以及各種個(gè)性化服務(wù)技術(shù),綜合數(shù)據(jù)挖掘算法、信息抽取技術(shù)與論文發(fā)布平臺(tái)的特點(diǎn),提出基于興趣模型的個(gè)性化論文推薦系統(tǒng)。本系統(tǒng)能夠自動(dòng)搜集論文評(píng)審專(zhuān)家信息構(gòu)建評(píng)審專(zhuān)家興趣模型,主動(dòng)挖掘新發(fā)布論文的特性,

2、利用論文特性構(gòu)建論文興趣模型,并基于興趣模型為論文選擇最權(quán)威的評(píng)審專(zhuān)家群體,然后實(shí)時(shí)的向這些評(píng)審專(zhuān)家群體推薦其所感興趣的論文。
　　 通過(guò)分析論文推薦應(yīng)用領(lǐng)域的特點(diǎn),本文創(chuàng)造性的設(shè)計(jì)出評(píng)審專(zhuān)家興趣模型,該興趣模型不僅極大的降低了計(jì)算的時(shí)間和空間復(fù)雜度,提高了論文的推薦質(zhì)量,同時(shí),能夠?qū)崿F(xiàn)興趣模型的動(dòng)態(tài)更新以及快速跟蹤用戶興趣的漂移。經(jīng)過(guò)改進(jìn)現(xiàn)有算法,本文有效的提高了推薦結(jié)果的準(zhǔn)確率和召回率。
　　 另外,為了在構(gòu)建評(píng)審專(zhuān)