共查询到18条相似文献，搜索用时 187 毫秒
1.
2.
提出基于不完全模糊语言的高校数字图书馆信息资源推荐系统,该系统中,用户兴趣模型的建立不要求用户直接提供偏好信息,而是允许用户通过不完全模糊语言偏好关系来表达个人偏好,这样既为用户节省时间和精力,又能获取更加准确的用户偏好,从而大大提高推荐精度。系统同时还引入"用户协作偏好",有助于用户开展多学科研究或参与合作研究项目。 相似文献
3.
4.
数字技术和用户需求驱动下,个性化、精准化、高效化服务成为STM出版发展的必然趋势。通过大数据挖掘和推荐模型构建,出版商可在信息超载的环境下为用户提供高效、精准、个性化的内容推荐,降低信息搜寻成本、提升用户体验。本文提出了一种基于用户属性信息、用户行为偏好及场景关联度的混合推荐方式,并对基于用户层级的出版推荐应用进行了论述,为STM出版个性化服务发展提供了可借鉴思路。 相似文献
5.
6.
7.
在综合国内学术信息检索服务的现状和现有理论方法研究的基础上,以检索词推荐为研究对象,构建基于文献特征项共现网络的学术信息检索词推荐模型。模型包括基础文献存储模块、文献特征项抽取模块、文献特征项共现网络预处理模块、基于特征项的文献检索模块及检索词服务前端5个部分。利用实验验证基于特征项的共现网络用于检索词推荐的可行性,结果表明推荐模型结果与各检索项的检索词更具有相关性,推荐质量较好。 相似文献
8.
针对Web 2.0环境下大众分类系统中用户、资源和标签之间的三元相关关系,本文提出一种基于三部图的用户兴趣扩散模型,据此为用户进行网络资源的推荐.其主要思想是:通过迭代的扩散机制,使目标用户对信息的兴趣依三部图结构扩散至其他的用户、标签和资源上,然后以资源兴趣度排序为依据,在目标用户未曾收藏的资源中产生推荐.该推荐方法的优势在于扩大了推荐范围,避免了数据稀疏对推荐造成的干扰.利用公共数据集进行的实验表明,本文提出的推荐方法其准确率和召回率优于基于二部图用户兴趣扩散的资源推荐结果. 相似文献
9.
张玉霞 《图书馆理论与实践》2012,(5):93-96,112
提出了一种基于用户模糊兴趣度建立的多属性科技文献推送模型,通过利用智能多Agent主动向用户提供所需信息的特点形成科技文献智能信息推送系统,并详细分析了系统结构以及使用模糊方法实现学习Agent的设计过程。 相似文献
10.
11.
学术文献引文推荐研究进展 总被引：1，自引：0，他引：1
[目的/意义]学术文献引文推荐是指对于给定的学术文献,自动化地为其推荐合适的引文和参考文献。借助于引文推荐,用户可以在一定程度上提高撰写学术文献的效率,降低对重要相关文献的漏引。[方法/过程]分析国内外引文推荐研究的最新进展,阐述引文推荐问题的演化过程,从局部引文推荐和全局引文推荐等方面对引文推荐进行梳理,重点归纳文档相似性、主题模型、翻译模型、协同过滤和混合推荐等5种引文推荐常用方法,并总结引文推荐常用数据集和测评方法。[结果/结论]已有引文推荐研究的主要问题在于未考虑用户偏好的动态变化性及研究领域的综合性,在用户研究和实际应用方面仍有所欠缺;未来引文推荐的研究可运用语义化表达方法和自然语言生成技术,从基于上下文的引文推荐和跨语言引文推荐等方面进行展开。 相似文献
12.
基于用户画像的高校图书馆个性化资源推荐服务设计 总被引：1，自引：0，他引：1
用户画像作为大数据分析背景下个性化推荐服务的设计工具,为高校图书馆领域个性化阅读资源推荐服务提供解决思路。本研究在分析目前个性化推荐和用户画像研究的基础上,引入用户画像技术,从数据基础层、数据处理层、画像构建层、画像服务层设计探讨用户画像的构建流程,重点在用户画像构建和画像服务层面进行阐述,同时从用户基本属性、阅读状态、学习风格、阅读偏好四个维度构建用户多维画像模型,并提出基于冷启动和用户阅读学习过程画像的个性化推荐服务策略,以期为后疫情教育环境下高校图书馆开展个性化资源推荐服务和满足用户多维度阅读学习需求提供参考。 相似文献
13.
[目的/意义]通过探讨多角色馆员协同工作模式下高校图书馆个性化图书荐购系统的构建与完善,为其他高校图书馆建设图书荐购系统、提升读者荐书的积极性提供参考。[方法/过程]以上海交通大学图书馆图书荐购系统建设实践为例,从传统与新型荐书系统对比、协同工作模式分析、系统设计与实现等方面出发,全面解读协同工作模式下的高校图书馆新型图书荐购系统建设实践,并对该图书荐购系统建设的实践进行思考。[结果/结论]上海交通大学图书馆通过多角色馆员协作模式,构建智能化、特色化的图书荐购系统,提高用户荐书的积极性和主动性,促进学科资源与用户需求的契合。开发一个功能丰富、荐书反馈及时的图书荐购系统有助于改善高校图书馆读者荐书的积极性。 相似文献
14.
Recommender systems help users deal with information overload and enjoy a personalized experience on the Web. One of the main challenges in these systems is the item cold-start problem which is very common in practice since modern online platforms have thousands of new items published every day. Furthermore, in many real-world scenarios, the item recommendation tasks are based on users’ implicit preference feedback such as whether a user has interacted with an item. To address the above challenges, we propose a probabilistic modeling approach called Neural Semantic Personalized Ranking (NSPR) to unify the strengths of deep neural network and pairwise learning. Specifically, NSPR tightly couples a latent factor model with a deep neural network to learn a robust feature representation from both implicit feedback and item content, consequently allowing our model to generalize to unseen items. We demonstrate NSPR’s versatility to integrate various pairwise probability functions and propose two variants based on the Logistic and Probit functions. We conduct a comprehensive set of experiments on two real-world public datasets and demonstrate that NSPR significantly outperforms the state-of-the-art baselines. 相似文献
15.
专业搜索引擎在高校图书馆个性化信息服务中的应用 总被引：1，自引：0，他引：1
阐述了专业搜索引擎及其技术特点,针对高校图书馆个性化信息服务中科研和专业学科的特殊需要,运用专业搜索引擎的技术优势和特点,为用户提供专业学科信息资源的搜集,进一步增强高校图书馆个性化信息系统的服务能力.参考文献4. 相似文献
16.
基于知识决策的数字图书馆个性化推荐 总被引：5，自引：0，他引：5
个性化推荐服务是数字图书馆发展的方向。本文通过比较国内外典型的数字图书馆个性化系统,分析了它们的共性和特性,并说明了个性化服务在数字图书馆中的应用现状。针对现有个性化系统存在的问题,从资源共享、知识管理、决策支持、智能化推荐方面提出了数字图书馆个性化推荐服务的改进措施和创新方法。将个性化推荐与知识管理和决策支持有效的结合起来,创建了基于知识决策的个性化推荐服务系统的模型,该模型的主要特点是主动的向用户推荐能够辅助决策的知识,将推荐信息的服务提升到推荐知识的服务。在创建模型的基础上,设计并分析了该模型的主要功能和实现的技术方法。 相似文献
17.
18.
通过对社交网络所产生的海量用户以及数据的挖掘与分析,判断用户不同的特征与喜好,从而为用户定制个性化知识服务,达到用户的需求,增强其对产品与服务的使用黏性,这不仅满足了企业的商业目的,同时也提高了用户的满意度。论文在深入了解我国社交网络的运营模式、分析社交网络中用户行为特征的前提下,提出从用户兴趣模型出发的个性化知识服务,并建立了基于个人兴趣和兴趣传播推荐的个性化知识服务模型。 相似文献