ComLittee: 以个人选举的作者委员会进行文学发现

文献标题

ComLittee: Literature Discovery with Personal Elected Author Committees

文献信息

• 主题领域: 人机交互及智能文献发现系统设计
• 关键词: 文献发现系统, 作者推荐, 可解释性推荐, 交互式机器学习, 作者中心化发现

研究背景与问题

• 发现问题或挑战:

  • 传统文献发现系统主要基于文献内容进行互动，对作者的研究网络信号利用有限。
  • 当前的系统无法有效捕捉用户对文献及作者的逐步理解，缺乏直接的作者探索途径。
  • 用户可能错过重要的学术研究线索，因为现有系统推荐的文献未能覆盖相关作者群体。

• 重要性:

  • 作者通常围绕某一研究议程发表多篇相关论文，通过探索作者关系网络可以有效扩展用户发现学术研究的深度与广度。
  • 将用户持续积累的知识与兴趣融入系统，提高文献和作者的推荐效率和质量，有助于促进创新和跨领域发现。

• 研究动机与相关工作:

  • 文献发现中的作者增强式系统是一个新兴的设计领域，通过作者关系网络可以改进用户在学术发现过程中的效率。
  • 研究者提出了 "作者增强型文献发现" 概念，强调结合文献推荐技术和作者图信号。
  • 本研究受到过往推荐算法及解释性系统设计成果启发，例如 FeedLens 和 Citation Networks。

解决方案

• 提出的方法或解决方案:

  • ComLittee 是一个作者增强型文献发现系统，通过用户个人选择的“作者委员会”促进作者和文献的发现。
  • 系统采用作者中心化互动，通过用户手动选择相关作者并构建委员会，从而引导系统的后续探索推荐。
  • ComLittee 综合使用文献推荐评分、用户行为历史以及作者共同引用和合作者网络，提供更丰富和个性化的推荐信号。

• 创新之处:

  • 与传统文献发现系统的文献中心化互动不同，ComLittee鼓励用户与作者直接交互。
  • 通过引用网络中的三重闭合机制（Triadic Closure）扩展作者推荐，帮助用户连接熟悉的作者与未知的作者。
  • 系统提供具有交互性的解释过滤器，使用户能够快速识别特定研究主题中的重要作者和文献。

• 实施步骤及关键技术:

  1. 用户选择一个主题并保存种子文献。
  2. 系统结合用户反馈和种子文献分析推荐初始的作者列表。
  3. 用户保存相关作者至个人委员会，更新系统信号以改进推荐。
  4. 使用作者网络信号（如引用关系及共同作者网络）扩展推荐范围。
  5. 系统通过交互性解释过滤器呈现推荐理由，提高用户理解与探索效率。

研究成果

• 具体成果:

  • 用户通过ComLittee发现了更多相关的作者和文献，相比基准系统效率提升明显。
  • ComLittee使用户能够在短时间内发现更具新颖性和趣味性的作者及文献。
  • 系统有效缓解了“冷启动”问题，通过初始用户熟悉的作者构建探索路径。

• 与现有解决方案相比的优势:

  • 在作者发现方面，系统帮助用户发现了更多未知且相关的作者，同时用户体验更佳。
  • 在文献发现方面，用户平均保存了更多文献，且对文献兴趣评价显著更高。

• 实验或评估结果:

  • 实验发现用户通过作者推荐功能保存的文献数显著增加，并且在实验后对发现文献和作者的相关性及趣味性评价更高。
  • 系统通过嵌入式实验比较了作者与文献中心化的发现方式，展示了作者中心化互动的优势。
  • 用户反馈表明新系统对其学术发现流程兼容性高，未来采用意愿显著高于基准系统。

• 局限性与未来方向:

  • 局限性：
    • 难以跳出某一特定研究群体或“思想流派”，可能导致推荐过于集中。
    • 当前推荐机制过度依赖引用网络，可能对未被频繁引用的研究领域发现潜力有限。
  • 未来方向：
    • 开发跨领域推荐算法，扩大系统对不同学科间未互动研究的识别能力。
    • 支持用户根据时间动态调整推荐结果，如允许用户回溯或重新定义早期反馈的影响。
    • 探索基于学术历史与作者背景的分组方式，以支持用户更好地理解研究群体之间的关系。