A Semantic Collaborative Filtering-Based Recommendation System to Enhance Geospatial Data Discovery in Geoportals
Notice bibliographique
Résumé
Traditional geoportals depend primarily on keyword-based search, which often fails to retrieve relevant datasets when metadata are heterogeneous, incomplete, or inconsistent with user terminology. This limitation reduces the efficiency of data discovery and selection, particularly in domains where metadata quality varies widely. This study aims to address this challenge by developing a semantic collaborative filtering recommendation system designed to enhance dataset discovery in geoportals through the analysis of implicit user interactions. The system captures users’ search queries, viewed datasets, downloads, and applied filters to infer feedback and organize it into a user–item matrix. Because interaction data are typically sparse, semantic user clustering is applied to mitigate this limitation by grouping users with semantically related interests through hierarchical relationships represented in the Simple Knowledge Organization System (SKOS). However, as users often need complementary datasets to complete specific tasks, association rule mining is employed to identify co-occurrence patterns in search histories and enhance task-related result diversity. The final recommendation scores are then computed by factorizing the user–item matrix with Alternating Least Squares (ALS), using cosine similarity on the latent user vectors to identify nearest neighbors, and applying a standard user-based neighborhood prediction model to rank unseen datasets. The system is implemented within an existing ontology-based geoportal as a standalone, configurable component, requiring only access to user interaction logs and dataset identifiers. Evaluation using precision, recall, and Precision@5 demonstrates that increasing user interactions improves recommendation performance by strengthening behavioral evidence used for ranking. The findings indicate that integrating semantic relationships and behavioral patterns can strengthen dataset discovery in geoportals and complement conventional metadata-based search mechanisms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».