学术论文浏览与兴趣演变数据集-p0licat
数据来源：互联网公开数据
标签：学术论文,期刊,阅读行为,兴趣,多学科,知识发现,浏览模式,个人学习
数据概述：
本数据集旨在模拟学术论文浏览行为，并探索兴趣在不同学科间的演变。数据集基于用户在学术期刊、论文平台上的浏览记录，重点关注用户感兴趣的领域以及论文的摘要、关键词等信息。数据将涵盖用户初始的兴趣领域，以及在浏览过程中，由于论文内容、研究方法等因素的影响，用户兴趣逐渐向其他学科领域扩展的过程。数据将包含用户浏览论文的时间、论文标题、摘要、关键词、所属期刊、相关推荐等信息，并记录用户在浏览过程中对论文的评价（如阅读时长、是否收藏等）。
数据用途概述：
该数据集适用于多个研究方向，包括：
1. 用户兴趣建模： 帮助研究人员构建用户兴趣模型，预测用户未来可能感兴趣的论文。
2. 多学科知识发现： 通过分析用户在不同学科间的浏览轨迹，揭示知识跨学科传播的规律。
3. 个性化推荐系统： 用于训练个性化推荐系统，为用户提供更精准的论文推荐。
4. 学术论文分析： 分析论文之间的关联关系，帮助用户更好地理解学术论文的内容。
5. 学习模式分析： 探索用户在学术阅读中的行为模式，为改进学习方法提供参考。
