共查询到19条相似文献，搜索用时 93 毫秒
1.
[目的/意义]深度学习技术作为大数据、"互联网+"环境下用户分析和服务设计的有力工具，为图书馆馆藏资源推荐服务提供了新的研究思路和发展方向。[方法/过程]首先，基于文献查阅法、网络调查法对国内外图书馆馆藏资源推荐服务的研究现状、应用情况进行了分析与研究。然后，在概述深度学习技术及其相关应用实践的基础上，在深度学习视角下提出了一种以读者用户兴趣值为基础的图书馆馆藏资源推荐模型。[结果/结论]分别从数据关联、情景分析和协同过滤技术3个方面探讨了图书馆馆藏资源推荐模式，为大数据环境下面向用户的图书馆资源精准推荐提供参考。 相似文献
2.
3.
[目的/意义]旨在为高校图书馆提高纸质资源采购质量与利用率提供参考。[方法/过程]基于用户画像的理论对不同用户进行多维度的刻画,利用机器学习中监督学习的方法,通过采用协同过滤的推荐算法对用户偏好特征做精细统计分析的定量化计算,并从用户需求的角度建立用户偏好同步变化的自适应优化在线学习的纸本资源推荐系统。[结果/结论]该研究从实证分析角度为用户实现精准的个性化纸本资源推荐服务,为高校图书馆纸质文献检索库实现智能偏好的检索功能,建立纸质文献检索库合理有效的动态更新机制,提升用户体验。 相似文献
4.
随着Web2.0的广泛应用和新型社会化网络媒体的盛行,图书馆从资源匮乏状态逐渐转变为数据密集型的行业,并促使图书馆的信息服务方式开始从"以数据为主导"向"以用户为中心"进行过渡。针对图书馆个性化推荐研究在数据资源、技术实现和评价准则方面所存在的问题进行了简单的分析,并针对一些带有挑战性的问题提出了相应的解决方法。 相似文献
5.
[目的/意义]构建与分析移动图书馆UGC用户画像模型,挖掘用户潜在信息需求,促进移动图书馆UGC实现精准化推荐服务。[方法/过程]通过Python爬取喜马拉雅APP《三体》的部分评论数据并进行聚类分析;利用RFM模型选取典型用户;采用TF-IDF算法生成标签,利用词云可视化工具生成典型用户的完整画像。[结果/结论]详细阐述移动图书馆UGC用户画像的构建流程,并通过实例分析构建喜马拉雅平台《三体》部分典型用户的完整画像,提出移动图书馆应结合数据驱动的用户画像提供精准化的推荐服务、个性化的知识搜索、智慧化的预测服务、智能化的隐私保护,以促进移动图书馆UGC精准服务的实现。 相似文献
6.
[目的/意义]学术用户画像是对用户访问使用学术资源行为的较全面的刻画。本文尝试构建图书馆学术用户画像的信息行为标签和研究兴趣标签,来准确定位学术用户的信息需求,以便推荐合适的学术资源。[方法/过程]具体方法是全面获取用户的访问日志并进行清洗处理,然后构建从学术用户信息行为出发的用户画像标签体系,进一步研究构建了基于研究兴趣关联的信息资源推荐服务。[结果/结论]本研究有助于提高用户信息获取效率,提高图书馆学术资源推荐服务的质量,并为结合其它资源全面构建图书馆学术用户画像提供一定的借鉴。 相似文献
7.
[目的/意义]构建以用户借阅行为画像为导向、与馆藏图书资源画像内容挖掘相结合的精准阅读推广模式,进而有效地推广阅读。[方法/过程]基于江苏省公共图书馆大数据服务平台,以2021年某市公共图书馆7 728名读者、84 754条借阅数据为研究对象,借助Excel、FineBI和微词云等工具,分析读者的历史行为数据建立用户借阅行为画像,同时采取结合图书特征和资源标签的方法建立资源画像,在此基础上进行图书推荐。[结果/结论]根据用户画像和资源画像的特征相似度进行推荐图书,可以提高阅读推广服务精准化和增加用户黏性。 相似文献
8.
9.
10.
[目的/意义]构建多源数据融合获得细粒度的用户画像标签,加强和提升服务场景的用户画像识别与精准推荐,对于洞察用户需求、开展群体精准营销、提高用户忠诚度等有着重要的参考意义。[方法/过程]融入服务场景构建多源数据融合的用户画像识别与推荐分析框架,以用户价值模型RFM重构表征用户行为的RFCLS标签,采用LDA模型提取用户资源使用偏好的文本语义标签,继而将用户属性、用户行为和资源使用偏好等多源异构数据汇聚成用户画像标签体系后,选取随机森林模型对不同标签组合展开用户画像识别的模型训练和分类性能评估。[结果/结论]实证研究表明,与单一的数值型或者文本型画像标签体系相比,多源数据融合的用户画像模型提升了用户画像识别和分类的精准度,有效支撑高校图书馆开展更为针对性的营销服务策略和个体精准化服务推荐。 相似文献
11.
12.
大数据环境下,推荐系统项目评分的稀疏性问题愈加突出,单兴趣表示方法也难以对用户多种情境兴趣进行准确描述,导致推荐结果精度大大降低。鉴于此,提出一种多情境兴趣表示方法,在此基础上构建面向图书馆大数据知识服务的多情境兴趣推荐模型,通过对用户多情境兴趣的层次划分,利用蚁群层次挖掘的优势来发现目标用户的若干最近邻类簇,然后根据类簇内相似用户对目标项目的评分对未评分项目进行预测,最后结合MapReduce化的大数据并行处理方法来进行协同过滤推荐。实验结果表明,多情境兴趣的建模方法改善了单兴趣建模存在的歧义推荐问题,有效缓解了大数据环境下项目评分的数据稀疏问题,MapReduce化的蚁群层次聚类方法也大大改善了推荐系统的运行效率。 相似文献
13.
总结和分析大数据环境下数字出版知识服务主要模式,有利于为数字出版机构发展知识服务提供借鉴,更好地为用户提供服务。通过对当前国内外数字出版知识服务机构的全面调查,根据其知识资源的主要类型、主要来源、组织形式、展示平台、获取方式以及主要用户类型、主要盈利方式等特点,总结出大数据环境下数字出版知识服务的主要模式。知识资源数据库模式、知识获取终端设备模式、社交媒体知识分享模式、开放式知识众编模式、知识付费订阅模式这5种主要模式有着各自的特点以及在大数据环境下不同的知识服务方式,数字出版机构应充分利用大数据发展知识服务。 相似文献
14.
大数据技术的快速发展与应用,加快了可视媒体大数据的传播与利用。可视媒体数据的特点与广泛应用也带来了一些新的可视媒体大数据安全性问题。构建网络环境可视媒体大数据版权保护模式,可为数字图书馆可视媒体应用服务提供安全保障,增强图书馆数字资源综合服务能力。充分挖掘可视媒体价值稀疏性与视觉稀疏性,提取可视媒体稀疏特征,建立可视媒体大数据稀疏感知计算模型,从可视媒体稀疏特性角度给出可视媒体大数据版权加密、版权认证、版权告示与版权审计追踪方案设计思路,构建可视媒体大数据版权保护应用新模式。结合数字图书馆应用实践验证了该版权保护模式的有效性,该版权保护模式可较好维护数字图书馆中可视媒体大数据机密性、完整性、可用性、可审计性,切实提升大数据环境数字图书馆可视媒体内容服务能力。 相似文献
15.
数字图书馆已进入大数据时代。大数据时代既给数字图书馆带来了机遇,也给数字图书馆带来了挑战,如何将零散分布、孤岛存储的图书馆数字资源融合成完整的“大数据”,从中提取出有用的信息,并最终转化为知识和规则,对于提升数字图书馆的服务能力和竞争力十分重要。针对数字图书馆存在数据来源各异、数据存储方式多样、数据形式非结构化等问题,本文对大数据时代图书馆数字资源的重构与融合问题进行了研究,提出了基于大数据的图书馆数字资源重构与融合策略。该策略有助于对图书馆数字资源进行整合,可促进数字资源的共享,有助于加强数字资源、读者、系统服务资源和个性化服务模式的融合,并最终提升数字图书馆的综合服务能力。 相似文献
16.
个性化图书推荐主要是以用户特征和借阅行为为挖掘对象,通过获取用户的兴趣特征及隐含的需求模式,实现用户与图书相互关联的个性化图书推荐服务。本文通过挖掘用户的背景信息构建用户特征模型,然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上,研究多种不同的图书推荐方法,以挖掘用户的潜在信息需求。最后利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统,同时以标准网络数据集通过实验验证来评估推荐方法的有效性。 相似文献
17.
数字图书馆的个性化推荐策略 总被引：2，自引：0，他引：2
本文研究了数字图书馆领域的个性化推荐服务，根据用户描述文件和资源描述文件这两个初始模型，利用协同过滤技术，提出了3种相似性的推荐算法，从而为用户提供个性化推荐服务。 相似文献
18.
[目的] 研究用户数据资源化利用,以促进高校图书馆服务创新。[方法] 归纳分析了图书馆4种不同类型的用户数据,介绍了用户数据的采集方法,并对大数据环境下图书馆用户数据的特征进行了分析。在此基础上,提出了基于用户数据资源化利用的高校图书馆服务创新架构和模式：建设用户信息数据库,提供精准个性化服务;搭建即时交互式平台,提升用户体验服务;构建泛在知识环境,尝试泛在图书馆服务;适应用户需求转变,提供知识化服务。[结果/结论] 高校图书馆应高度重视用户数据的资源化利用,创新图书馆服务的内容和形式,促进图书馆事业新发展。 相似文献
19.
【目的/意义】利用用户画像以及个性化推荐算法实现智慧图书馆中的图书推荐。【方法/过程】从构建智慧
图书馆用户画像的自然属性、兴趣属性、社交属性三个数据维度出发,借助相似度计算方法分别计算不同维度读者
和图书的相似度,实现基于相似读者和相似图书的虚拟图书推荐,阐述了借助智慧图书馆的先进技术实现基于位
置的实体图书推荐。【结果/结论】实验结果表明将用户画像用于智慧图书馆图书推荐可提升图书馆个性化服务能
力,针对读者实现精准推荐。【创新/局限】基于用户画像的图书推荐从多个维度进行组合推荐,实现了智慧图书馆
虚拟图书和实体图书的个性化推荐,提高了推荐质量,为提升智慧图书馆个性化服务具有一定的借鉴意义。局限
在于选取的读者以及图书数量较少。 相似文献