Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
DocKG: A Knowledge Graph Framework for Health with Doctor-in-the-Loop Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Document Recommendation Based on Interests of Co-authors for Brain Science

verfasst von : Han Zhong, Zhisheng Huang

Erschienen in: Health Information Science

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Personalized knowledge recommendation is an effective measure to provide individual information services in the field of brain science. It is essential that a complete understanding of authors’ interests and accurate recommendation are carried out to achieve this goal. In this paper, a collaborative recommendation method based on co-authorship is proposed to make. In our approach, analysis of collaborators’ interests and the calculation of collaborative value are used for recommendations. Finally, the experiments using real documents associated with brain science are given and provide supports for collaborative document recommendation in the field of brain science.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Can Heart Rate Variability Parameters Be a Biomarker for Predicting Motor Function Prognosis in Patients with Chronic Stroke?
Nächstes Kapitel Deep Learning for Single-Channel EEG Signals Sleep Stage Scoring Based on Frequency Domain Representation
Literatur
1.
Lane, R.D., Ryan, L.: Memory reconsolidation, emotional arousal, and the process of change in psychotherapy: New insights from brain science. Behav. Brain Sci. 38, 1–64 (2015)CrossRef
2.
Ryan, P.B., Bridge, D.: Collaborative recommending using formal concept analysis. Knowl. Based Syst. 19(5), 309–315 (2006)CrossRef
3.
Sarwa, B.S., Karypis, G., Konstan, J.: Item-based collaborative filtering recommendation algorithms. In: Proceedings of the 10th International Conference on World Wide Web, pp. 285–295. ACM, New York (2001)
4.
Ma, H., Zhou, D., Liu, C., et al.: Recommender systems with social regularization. In: Proceedings of the 4th ACM International Conference on Web Search and Data Mining, Hong Kong, China, pp. 287–296 (2011)
5.
Adomavicius, G., Tuzhilin, A.: Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Trans. Knowl. Data Eng. 17(6), 734–749 (2005)CrossRef
6.
Berners-Lee, T., Hendler, J., Lassila, O.: The semantic web: a new form of web content that is meaningful to computers will unleash a revolution of new possibilities. Sci. Am. 284(5), 34–43 (2001)CrossRef
7.
Fensel, D., van Harmelen, F.: Unifying reasoning and search to web scale. IEEE Internet Comput. 11(2), 94–95 (2007)CrossRef
8.
Dan, B., Guha, R.V, Brian, M.: RDF Vocabulary Description Language 1.0: RDF Schema, W3C Recommendation, 10 February, 2004
9.
Hao, C., Yubo, J., Chengwei, H.: Research of collaborative filtering recommendation based on user trust model. Comput. Eng. Appl. 46(35), 148–151 (2010)
10.
Guo, L., Ma, J., Chen, Z., Jiang, H.: Incorporating item relations for social recommendation. Chin. J. Comput. 37(1), 219–228 (2014)
11.
Chen, J., Zhang, H., He, X., Nie, L., Liu, W., Chua, T.-S.: Attentive collaborative filtering: multimedia recommendation with item- and component-level attention. In: Proceedings of the 40th International ACM SIGIR Conference on Research and Development in Information Retrieval, pp. 335–344. ACM, New York (2017)
12.
Jiang, S., Qian, X., Shen, J., Yun, F., Mei, T.: Author topic model-based collaborative filtering for personalized POI recommendations. IEEE Trans. Multimedia 17(6), 907–918 (2015)
13.
Efthymiou, K., Sipsas, K., Mourtzis, D.: On knowledge reuse for manufacturing systems design and planning: a semantic technology approach. CIRP J. Manuf. Sci. Technol. 8, 1–11 (2014)CrossRef
14.
Zeng, Y., Zhong, N., Wang, Y., Qin, Y.L., Huang, Z.S., Zhou, H.Y.: User-centric query refinement and processing using granularity based strategies. Knowl. Inf. Syst. 27(3), 419–450 (2010)CrossRef
15.
Zeng, Y., Zhou, E.Z., Qin, Y.L. Zhong, N.: Research interests: their dynamics, structures and applications in web search refinement. In: Proceeding of the 2010 IEEE/WIC/ACM International Conference on Web Intelligence, pp. 639–646. IEEE Computer Society, Washington, DC, USA (2010)
16.
Zhang, J., Tao, X., Wang, H.: Outlier detection from large distributed databases. World Wide Web 17(4), 539–568 (2014)CrossRef
17.
Li, H., Wang, Y., Wang, H., Zhou, B.: Multi-window based ensemble learning for classification of imbalanced streaming data. World Wide Web 20(6), 1507–1525 (2017)CrossRef
18.
Khalil, F., Wang, H., Li, J.: Integrating Markov model with clustering for predicting web page accesses. In: Proceeding of the 13th Australasian World Wide Web Conference (AusWeb 2007), pp. 63–74 (2007)
19.
Khalil, F., Li, J., Wang, H.: An integrated model for next page access prediction. Int. J. Knowl. Web Intell. 1(1), 48–80 (2009)CrossRef
20.
Ma, J., Sun, L., Wang, H., Zhang, Y., Aickelin, U.: Supervised anomaly detection in uncertain pseudoperiodic data streams. ACM Trans. Internet Technol. (TOIT) 16(1), 4–15 (2016)CrossRef
21.
Peng, M., Zeng, G., Sun, Z., Huang, J., Wang, H., Tian, G.: Personalized app recommendation based on app permissions. World Wide Web 21(1), 89–104 (2018)CrossRef
Metadaten
Titel
Document Recommendation Based on Interests of Co-authors for Brain Science
verfasst von
Han Zhong
Zhisheng Huang
Copyright-Jahr
2019
Buch
Health Information Science

Print ISBN: 978-3-030-32961-7

Electronic ISBN: 978-3-030-32962-4

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-32962-4_11