Abstract
A abundância de artigos disponíveis destaca a crescente relevância dos sistemas de recomendação. Este estudo realizou uma revisão sistemática da literatura com o objetivo de identificar o estado da arte dos sistemas de recomendação de artigos científicos. Foram identificadas abordagens que utilizam embeddings para capturar similaridade semântica, fatoração de matrizes probabilísticas para integrar relações entre artigos e autores. Os resultados indicam uma predominância de modelos híbridos, com utilização de LLMs e modelagem time-aware. Conclui-se que, embora haja avanços significativos, persistem lacunas relacionadas em padronização de métricas e reprodutibilidade dos experimentos, além de oportunidades para o desenvolvimento de modelos contextualmente personalizados.

This publication has 26 references indexed in Scilit: