论文阅读笔记-Deep memory network with Bi-LSTM for personalized context-awarecitation recommendation

中文题目：基于Bi-LSTM的深度记忆网络的个性化上下文感知引文推荐

论文链接：Deep memory network with Bi-LSTM for personalized context-aware citation recommendation - ScienceDirect

这篇论文发表在 2020年Neurocomputing期刊，SCIE收录，中科院分区二区

摘要：数据的爆炸式增长导致研究人员浪费时间和精力去寻找他们需要的论文。上下文感知的引文推荐旨在通过分析引文上下文并提供推荐论文列表来解决这一问题。本文提出了一种基于端到端记忆网络的上下文感知的引文推荐模型。该模型基于双向长短期记忆(Bi-LSTM)，分别学习论文和引文上下文的表征。特别是在引文上下文和论文的分布式矢量表示中，我们联合整合了作者信息和引文关系。然后基于计算多层记忆网络计算它们之间的连续相关性。我们还在三个真实世界的数据集上进行实验，以评估我们的模型的性能。

出发点：把上下文感知的引文推荐作为一个问答问题，我们要问的是，给定的引文上下文引用每篇论文的可能性有多大，而论文语料库是故事，最终排名分数是答案。最近的研究证明，记忆网络在问答区域表现良好[20-23]，能够捕获问题子集的差异。记忆网络包含多个层次，也可以有效地捕捉问题(引文上下文)和每个故事(语料库中的每一篇论