Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2510.05495v1

帮助 | 高级搜索

计算机科学 > 信息检索

arXiv:2510.05495v1 (cs)
[提交于 2025年10月7日 ]

标题: 基于自然语言处理和机器学习的自动化研究文章分类与推荐

标题: Automated Research Article Classification and Recommendation Using NLP and ML

Authors:Shadikur Rahman, Hasibul Karim Shanto, Umme Ayman Koana, Syed Muhammad Danish
摘要: 在数字时代,科学出版物的指数增长使得研究人员越来越难以高效地识别和获取相关工作。 本文提出了一种自动化框架,用于研究文章分类和推荐,该框架利用了自然语言处理(NLP)技术和机器学习。 使用一个跨越三十多年的大型arXiv.org数据集,我们评估了多种特征提取方法(TF--IDF、Count Vectorizer、Sentence-BERT、USE、Mirror-BERT)与多种机器学习分类器(逻辑回归、SVM、朴素贝叶斯、随机森林、梯度提升树和k-最近邻)的组合。 我们的实验表明,逻辑回归与TF--IDF相结合始终能获得最佳的分类性能,准确率达到69%。 为了补充分类,我们结合了基于向量化文章余弦相似性的推荐模块,从而实现了相关研究论文的高效检索。 所提出的系统直接解决了数字图书馆中的信息过载问题,并展示了一个可扩展的数据驱动解决方案,以支持文献发现。
摘要: In the digital era, the exponential growth of scientific publications has made it increasingly difficult for researchers to efficiently identify and access relevant work. This paper presents an automated framework for research article classification and recommendation that leverages Natural Language Processing (NLP) techniques and machine learning. Using a large-scale arXiv.org dataset spanning more than three decades, we evaluate multiple feature extraction approaches (TF--IDF, Count Vectorizer, Sentence-BERT, USE, Mirror-BERT) in combination with diverse machine learning classifiers (Logistic Regression, SVM, Na\"ive Bayes, Random Forest, Gradient Boosted Trees, and k-Nearest Neighbour). Our experiments show that Logistic Regression with TF--IDF consistently yields the best classification performance, achieving an accuracy of 69\%. To complement classification, we incorporate a recommendation module based on the cosine similarity of vectorized articles, enabling efficient retrieval of related research papers. The proposed system directly addresses the challenge of information overload in digital libraries and demonstrates a scalable, data-driven solution to support literature discovery.
评论: 8页,4个图表,已被基础与大语言模型(FLLM2025)接收
主题: 信息检索 (cs.IR)
引用方式: arXiv:2510.05495 [cs.IR]
  (或者 arXiv:2510.05495v1 [cs.IR] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.05495
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Shadikur Rahman [查看电子邮件]
[v1] 星期二, 2025 年 10 月 7 日 01:24:35 UTC (345 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.IR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号