• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Proceedings of the 2011 ACM/IEEE on joint conference on digital libraries. >Ranking Authors in Digital Libraries
【24h】

Ranking Authors in Digital Libraries

机译：数字图书馆排名作家

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Searching for people with expertise on a particular topic also known as expert search is a common task in digital libraries. Most models for this task use only documents as evidence for expertise while ranking people. In digital libraries, other sources of evidence are available such as a document's association with venues and citation links with other documents. We propose graph-based models that accommodate multiple sources of evidence in a PageRank-like algorithm for ranking experts. Our studies on two publicly-available datasets indicate that our model despite being general enough to be directly useful for ranking other types of objects performs on par with probabilistic models commonly used for expert ranking.
机译：在数字图书馆中，搜索具有特定主题专业知识的人（也称为专家搜索）是一项常见的任务。在对人员进行排名时，大多数用于此任务的模型仅使用文档作为专业知识的证据。在数字图书馆中，可以使用其他证据来源，例如文档与场所的关联以及与其他文档的引文链接。我们提出了一种基于图的模型，该模型可以在类似于PageRank的算法中为专家排名提供多种证据。我们对两个公开可用的数据集的研究表明，尽管我们的模型足够通用，可以直接用于对其他类型的对象进行排名，但其性能与通常用于专家排名的概率模型相当。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号