排序方式: 共有69条查询结果,搜索用时 46 毫秒
1.
2.
Web2.0环境下的信息过滤方式 总被引:2,自引:0,他引:2
本文首先介绍了信息过滤的概念及其类型,接着从信息订阅、信息推送、信息阅读几个方面分析了RSS中的信息过滤;从垃圾信息过滤、个人知识管理、个性化主题社区的形成、博客搜索引擎几个方面分析了Blog中的信息过滤;从信息组织体系、信息发布的质量控制、信息向知识的转换几个方面分析了Wiki中的信息过滤;从分众分类、个性化信息聚合、兴趣聚集和共享几个方面分析了社会书签中的信息过滤,最后总结了目前Web2.0环境下信息过滤方式的特点及存在的问题,并提出未来的信息过滤将最终实现语义级的智能信息过滤。 相似文献
3.
4.
5.
[目的/意义]系统、全面地归整高校学生在线健康信息搜寻行为影响因素集合,通过实际调研数据分析其中的关键影响因素和层级路径。[方法/过程]研究首先通过定性综合集成法和专家评分法梳理、提取和验证高校学生在线健康信息搜寻行为影响因素集合;然后开展问卷调研并借助模糊DEMATEL模型对调研数据进行计算得到各因素的影响度、被影响度、中心度和原因度,在此基础上识别出其中的关键影响因素;最后,采用ISM模型构建影响因素集合的层次递阶结构模型。[结果/结论 ]研究结果表明,包括人口统计学特征、个体特性等在内的共计19个因素会对高校学生的在线健康信息搜寻行为产生影响,其中个体特性、健康状况、素养能力等11个因素为关键因素。此外,19个影响因素可进一步划分为表层因素、中层因素和深层因素。结合研究发现,文章从影响因素系统构成、关键影响因素和层级路径3个角度提出若干实践上的建议。 相似文献
6.
[目的/意义]为充分利用学者已有研究成果,实现对学者客观科学的评价。[方法/过程]针对h指数存在的忽略高被引论文、只考虑h核内论文未考虑h核外论文、忽略合著者对科研成果贡献的差异以及存在精确注水等问题,提出综合考虑学者学术影响力和学者活跃度的hμ指数。该指数用基尼系数和篇均被引量处理h核内外学术论文被引量以度量学者学术影响力;在学者活跃度部分,基于布拉德福分区理论实现学者的分级评定,并通过学者既定时间窗内的学者发文量与同区学者平均发文量之比实现学者活跃度度量。[结果/结论]抽取情报学领域相关学者验证了上述评价指标的合理性和科学性。 相似文献
7.
[目的/意义]在开放的知识交流环境中向学者推荐具有相似研究兴趣的学者有助于学者高效获取到所需的学术资源,更好地开展学术研究和学术交流。[方法/过程]首先利用LDA主题模型提取学者的科研兴趣特征,同时引入时间因子加权兴趣特征,形成学者动态兴趣矩阵,基于此使用K-means对具有相似研究兴趣的学者进行聚类分析,并在类簇内综合学者的科研能力和社交属性两个维度构建学者推荐模型。[结果/结论]以“百度学术”数据集对模型进行验证,实验结果表明该模型能够很好地发现相关学者,满足可操作性和推荐结果有效性。在学者推荐过程中引入更贴近现实的动态兴趣特征对推荐结果具有一定效果。 相似文献
8.
【目的/意义】将关联数据对于多源异构数据组织的优势应用在电子病历资源共享中,实现电子病历资源的
共享。【方法/过程】在分析了电子病历资源共享难题以及关联数据的技术特点基础上,提出基于关联数据的电子病
历资源的处理流程,进而构建基于关联数据的电子病历资源共享模型,并选取某医院部分电子病历资源数据进行
实证研究。【结果/结论】实证研究结果表明,关联数据能够实现电子病历资源的共享。基于关联数据的电子病历资
源共享模型能够较好的实现电子病历资源的共享及信息扩展,改善资源之间无法互联互通问题,提升诊疗、检索效
率。【创新/局限】本文为国内复杂汉语环境下电子病历资源共享提供可行方案,未来还应进行更大覆盖范围、更多
数据量的实证,并从标准化、隐私保护方面进行扩展研究。 相似文献
9.
10.
【目的/意义】学术网站是学者发现研究兴趣的有效途径,研究学者推荐与跨语言论文推荐有助于学者更好 地开展学术研究。【方法/过程】利用论文之间的引用与被引关系分别爬取参考文献集合和被引文献集合,构建学者 推荐与跨语言论文推荐模型。首先通过Word2vec算法模型生成候选相关学者集和候选相关论文集,计算 Word2vec得分;然后分别进行加权处理,最终得到学者推荐列表和跨语言论文推荐列表。以CSSCI中的《中国图书 馆学报》、《情报学报》和《图书情报工作》三种代表性期刊在2016-2017年载文的参考文献集合与被引文献集合为数 据来源进行实证分析,并验证模型的科学性与可行性。【结果/结论】实证结果表明,该模型可以很好地发现相关学 者以及相关论文。 相似文献