国家自然科学基金推荐系统研究领域资助分析

doi:10.3778/j.issn.1002-8331.1801-0249

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (9): 259-263.DOI: 10.3778/j.issn.1002-8331.1801-0249

国家自然科学基金推荐系统研究领域资助分析

楚涵婷1，邢星1，2，孟志鑫1，贾志淳1

1.渤海大学信息科学与技术学院，辽宁锦州 121013
2.国家自然科学基金委员会科学传播中心，北京 100085

出版日期:2019-05-01 发布日期:2019-04-28

Analysis for National Natural Science Foundation of China Funded Projects on Recommender System Research Area

CHU Hanting1, XING Xing1，2, MENG Zhixin1, JIA Zhichun1

1.College of Information Science and Technology, Bohai University, Jinzhou, Liaoning 121013, China
2.Center for Science Communication, National Natural Science Foundation of China, Beijing 100085, China

Online:2019-05-01 Published:2019-04-28

摘要/Abstract

摘要： 通过统计近五年国家自然科学基金推荐系统领域中面上项目、青年项目的资助情况和该领域中其他项目的资助情况，分析国家自然科学基金推荐系统领域资助项目依托单位的分布情况和该领域中资助项目的研究特点，总结推荐系统研究领域的研究特点，为推荐系统领域的相关研究人员申请国家自然科学基金项目和开展下一步研究提供参考。

关键词: 国家自然科学基金, 资助情况, 推荐系统, 项目资助, 统计分析

Abstract: The paper statistics funding situation in the national natural science foundation of recommended system area about surface projects and youth projects in the past five years and comparison of the funding of various projects in the recommended system area and analyzes the distribution of subsidy projects supported by NSFC’s recommendation system and summarizes the characteristics of research funded projects that provides reference for the application of the researchers’ natural science fund project in this field.

Key words: National Natural Science Foundation of China（NSFC）, funding situation, recommended system, project funded, statistical analysis

楚涵婷1，邢星1，2，孟志鑫1，贾志淳1. 国家自然科学基金推荐系统研究领域资助分析[J]. 计算机工程与应用, 2019, 55(9): 259-263.

CHU Hanting1, XING Xing1，2, MENG Zhixin1, JIA Zhichun1. Analysis for National Natural Science Foundation of China Funded Projects on Recommender System Research Area[J]. Computer Engineering and Applications, 2019, 55(9): 259-263.

[1]	田维安，陈红梅，周丽华. 基于相似用户好奇心的多样性推荐方法[J]. 计算机工程与应用, 2021, 57(23): 113-121.
[2]	陈海，钱付兰，陈洁，赵姝，张燕平. 基于变分自编码器的评分预测模型[J]. 计算机工程与应用, 2021, 57(22): 153-159.
[3]	张杰，张月琴，张泽华，刘志鑫，雷祥. 异质信息融合网络嵌入的注意力偏好推荐方法[J]. 计算机工程与应用, 2021, 57(21): 123-131.
[4]	潘承瑞，何灵敏，胥智杰，王修晖，宋承文. 融合知识图谱的双线性图注意力网络推荐算法[J]. 计算机工程与应用, 2021, 57(1): 29-37.
[5]	应文杰，桑基韬. 改进的哈希学习高效推荐算法[J]. 计算机工程与应用, 2020, 56(9): 75-83.
[6]	程晓娜，孙志锋. 隐式反馈场景下的LFM-XGB-LR融合推荐算法[J]. 计算机工程与应用, 2020, 56(5): 85-92.
[7]	伍鑫，黄勃，方志军，刘文竹. 序列生成对抗网络在推荐系统中的应用[J]. 计算机工程与应用, 2020, 56(23): 175-179.
[8]	李凌，顾晓梅，刘子豪. 多子域随机森林在情境感知推荐中的应用研究[J]. 计算机工程与应用, 2020, 56(22): 132-141.
[9]	李浩，张亚钏，康雁，杨兵，卜荣景，李晋源. 融合循环知识图谱和协同过滤电影推荐算法[J]. 计算机工程与应用, 2020, 56(2): 106-114.
[10]	曾安，赵恢真. 融合了LSTM和PMF的推荐算法[J]. 计算机工程与应用, 2020, 56(19): 68-75.
[11]	李淑芝，余乐陶，邓小鸿，李志军. 结合Skip-gram和加权损失函数的神经网络推荐模型[J]. 计算机工程与应用, 2020, 56(19): 76-85.
[12]	李娴，张泽华，赵霞，田华. TWD-GNN：基于三支决策的图神经网络推荐方法[J]. 计算机工程与应用, 2020, 56(12): 156-162.
[13]	张岐山，翁丽娟. 社会化推荐系统综述[J]. 计算机工程与应用, 2020, 56(1): 1-10.
[14]	苏庆1，章静芳1，林正鑫1，李小妹1，蔡昭权2，曾永安1. 改进模糊划分聚类的协同过滤推荐算法[J]. 计算机工程与应用, 2019, 55(5): 118-123.
[15]	张祖平，沈晓阳. 基于深度学习的用户行为推荐方法研究[J]. 计算机工程与应用, 2019, 55(4): 142-147.

国家自然科学基金推荐系统研究领域资助分析

Analysis for National Natural Science Foundation of China Funded Projects on Recommender System Research Area

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics