计算机科学 > 信息检索
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.