Структурное пространство произведений

Автор: Дмитрий Малыхин (i@dmalyhin.ru).

Пространство произведения

Для произведения w используются координаты:

concept:<value>
descriptor:<value>
classification:<axis>:<value>
profile:<axis>:<value>
author:<value>

Префиксы разделяют одинаковые строки из разных доменов.

Полевые веса

TF-IDF

TF-IDF применяется только к концептам и дескрипторам:

idf(f) = ln((1 + N) / (1 + df(f))) + 1
s(w,f) = field_weight(f) · idf(f)

Классификация, профиль и авторство используют фиксированный вес.

Вектор произведения

book_raw(w) = tfidf(concepts, descriptors)
              ⊕ classification(w)
              ⊕ profile(w)
              ⊕ authorship(w)

book(w) = L2Normalize(book_raw(w))

sim_struct_work(u,v) = book(u) · book(v)

Кандидатный шлюз

Пара произведений допускается только при наличии хотя бы одного прямого содержательного основания:

общий концепт
или общий дескриптор
или общий автор

Совпадение только классификации или профиля кандидата не создаёт. Произведения одной непустой серии исключаются из рекомендательного блока.

Объяснение оценки

Для общей координаты:

contribution_f(u,v) = book(u,f) · book(v,f)

Пользователю показываются фактические группы признаков, которые внесли наибольший вклад.

Авторская структурная модель

Из содержательного вектора произведения удаляется авторство. Для автора строится средний центроид его произведений и нормализация по L2-норме. Размер корпуса сам по себе не создаёт бонус.

Структурная модель серии

Для признака учитывается доля произведений серии, в которых он встречается, и обратная частота признака по сериям. Вес персонализированного автора внутри серии — 0.20. Пара серий допускается только при общем концепте или дескрипторе.