Research on Influence of Users' Cognition upon their Acceptance Behavior for Recommendation Technology

由于人类信息处理的认知约束,用户很难在信息过载的电子商务网站中快速找到与其需求想匹配的产品.尽管推荐系统有着提高用户快速找到产品效率的潜力,但这种潜力能否最终实现,取决于用户能否有效地接受和使用推荐系统.本文首先对推荐内涵和类型进行了总结,重点对事前和事后两种推荐类型进行了分析;其次对目前推荐系统在使用过程中存在的问题进行了分析;再次对推荐技术用户接受行为研究进行了总结;然后基于用户认知理论对推荐技术用户接受行为机理进行了深入研究;最后构建基于B2C网站的影响因素模型及实证分析,分析了用户认知风格差异对模型的影响,并基于模型验证结果对卓越网推荐系统使用问题及影响因素进行分析.     

基于语义扩展的个性化知识推荐系统

构建个性化知识推荐系统是数字图书馆实现个性化信息服务的有效手段,推荐服务的关键在于完整地理解用户偏好并能准确作出判断。提出了一种基于语义扩展的知识推荐方法,通过分析读者文献检索、浏览的行为提取读者偏好,利用扩展激活模型建立读者偏好档案,据此对文献资源进行匹配和分级,从而向读者提供个性化的知识推荐服务。     

个性化服务是数字档案馆生命之源

一、何谓数字档案馆个性化服务 所谓数字档案馆个性化服务,是指数字档案馆利用计算机网络、人工智能等诸多信息技术,获取并分析各个用户的背景、习惯、偏好和要求,从而为不同用户提供充分满足其个体信息需要的一种集成性服务.     

B2C网站忠诚使用中的用户认知心理因素影响分析

探讨电子商务网站用户忠诚行为形成机理,构建电子商务网站用户忠诚行为形成机理图;在此基础上,分析用户对网站认知的影响,通过结构方程模型分析用户情感及偏好对忠诚行为的作用,并以卓越网和当当网两个B2C网站为代表进行实证研究;基于实证研究的结论,对电子商务网站的建设提出相关建议。     

用户感知视角下高校图书馆微服务效果影响因素研究

[目的/意义] 从用户视角探讨高校图书馆微服务效果并识别对微服务效果具有显著影响的因素,为高校图书馆微服务建设提供指导建议。[方法/过程] 以信息系统成功模型为基础,纳入用户个体的认知因素,结合高校图书馆微服务自身特点构建高校图书馆微服务效果影响因素概念模型以及相关测评量表,采用问卷调查和结构方程模型方法进行实证研究。[结果/结论] 研究结果表明：整体来看,受访用户对高校图书馆微服务的效果评价较高;用户感知的微内容形式多样性、微知识内容帮助性、微平台稳定性、微服务交互性评价稍低。微服务质量、微内容质量、微平台系统质量会对用户满意产生直接正向的显著影响,且影响程度依次降低;用户满意对用户收益有直接正向的显著影响,同时微内容质量、微平台系统质量和微服务质量通过用户满意的中介作用间接影响用户收益;用户满意对持续使用意向的影响最大,其次为微服务质量、用户收益、微内容质量、个体认知,微平台系统质量影响最小。对于不同身份和不同使用情况的用户而言,部分变量存在显著的个体差异。     

数字档案馆个性化服务模式探究

1数字档案馆个性化服务 所谓数字档案馆个性化服务,是指数字档案馆利用计算机网络、人工智能等诸多信息技术,获取并分析各个用户的背景、习惯、偏好和要求,从而为不同用户提供充分满足其个体信息需要的一种集成性服务。     

基于认知图谱的高校图书馆馆藏资源组织与智慧服务模式研究

对认知图谱相关研究现状做了简述,从实现多类馆藏资源的集成化聚合、实现用户兴趣偏好全景式描述、感知多样态场景特征等方面阐述基于认知图谱的馆藏资源组织与智慧服务的优势,分析基于认知图谱的馆藏资源组织流程,从智慧检索、智慧场景推荐、智慧问答三个方面构建高校图书馆智慧服务模式,旨在提升国内高校图书馆的馆藏资源组织与智慧服务效能。     

基于对应分析的用户与标签间偏好关系研究

［目的/意义］用户认知能够影响客观知识之间潜在的关联关系,研究Folksonomy模式中用户与标签之间的偏好关系有助于揭示认知与知识之间的互动关系及其模式规律,并为人文因素影响下的知识组织提供参考。［方法/过程］基于标签与用户的隶属关系构建“标签-用户”2-模网络,采用多变量的对应分析方法,基于联合空间距离位置对用户与标签间的偏好关系进行分析。［结果/结论］研究表明,用户与标签的偏好关系与联合空间中的位置和2-模网络的中心度具有相关性,在偏好问题上不会有群体极化现象发生,群体决策的科学性得以保障。     

探索式搜索行为的先验知识分析与信息服务策略研究

[目的/意义]研究网络环境中学术用户的探索式搜索行为特征,设计专业的信息服务策略,帮助馆员精准定位用户需求,提高服务的准确率。[研究设计/方法]以探索式信息搜索的3个不确定性为核心,整合探索式搜索行为的知识构建、问题情境与认知阶段,分析用户的领域知识和搜索技能对探索式搜索行为的影响。[结论/发现]根据先验知识集合将学术用户分为4种类型,结合用户搜索过程中的不确定种类与认知阶段,分别提供基础型、辅助型、辅导型和专业型服务。[创新/价值]围绕探索式搜索行为的不确定性,提出探索式搜索行为的认知过程框架及分类型分阶段信息服务策略。     

具身体验视角下的360度知识类短视频用户认知网络演化分析

虚拟现实技术应用规模迅速增长背景下,探究360度全景知识类短视频情境中的用户具身体验与内容认知间的动态交互机制,对有效提升其传播效果具有重要意义。本研究基于具身认知理论,从用户具身体验与视频内容认知两个维度出发构建编码框架。在此基础上以Bilibili网站360度知识类短视频用户发布弹幕为数据来源,使用认知网络分析法对数据进行编码并构建用户认知网络,剖析具身体验与内容认知维度下不同认知元素间的关系;并基于时间序列探究用户认知网络动态演化规律。研究发现,用户具身体验与视频内容认知关联,具身体验维度参与、在场与内容认知维度关注剧情、关注结果认知元素关联度最高。不同时间段内用户认知网络存在显著差异,学习过程中,用户明显增强了深层内容认知元素的关注和具身体验的调用,认知节点的关联深度与复杂度逐渐上升,体现了视频观看过程中认知建构的不断完善。     

图书馆读者荐购研究综述

[目的/意义] 分阶段探讨读者荐购的发展历程和发展过程中存在的问题,在此基础上探索读者荐购未来的发展趋势,为我国读者荐购服务的实践和研究提供参考。[方法/过程] 对近年来国内外有关读者荐购的研究文献进行梳理,采用文献调查法和文献计量法对这些文献进行分析,分阶段研究其发展进程,阐述每阶段研究的热点及特征。[结果/结论] 读者荐购研究已经从理论探索阶段向创新研究阶段过渡,但存在研究不平衡问题,建议未来研究方向从新技术、新方式、新平台、新模式入手,同时也应充分关注"互联网+环境下"读者需求的变化。     

集成语境信息的多维推荐方法研究

推荐系统已成为数字图书馆个性化服务不可缺少的一项重要技术。目前的推荐方法主要是基于规则的推荐和协同过滤方法,这两种方法都有其优缺点,它们共同的缺点是没有考虑语境信息对推荐的影响,从而导致推荐结果不佳。在分析语境信息在推荐过程中的作用的基础上,把语境信息集成到多维推荐模型中,利用数据仓库和OLAP处理层级式聚合计算的能力,建立具有多维信息收集与分析的推荐框架,并做了模块的分析。     

国外群推荐聚集策略研究综述

认为群推荐是对群体用户进行个性化推荐的技术,群推荐的一个重要步骤就是聚集,即将针对个体的推荐项目聚集成对群体的推荐,或者将个体的偏好聚集成群体的模型,聚集策略就是在聚集时所采取的方式。通过文献的梳理,介绍群推荐的群体形成和生成推荐过程,比较聚集策略的类型和应用,对聚集中存在的尴尬和隐私问题、群成员间交互问题、成员间差异性问题和基于群成员社交影响力的策略进行详细阐述,并展望聚集策略尚需进一步研究的方面。     

图书馆荐购系统研究现状、趋势与启示

采用文献调查法和文献计量法,梳理图书馆荐购系统研究现状,分析荐购系统产生与发展的驱动因素、荐购系统类型及其实现关键,并在此基础上探索荐购系统未来的发展趋势,为后续荐购系统的实践和研究提供参考。     

学术文献引文推荐研究进展

[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。     

高校图书馆读者荐购服务探究

读者荐购服务是高校图书馆采访工作的重要组成部分。通过分析总结读者荐购服务的各种方式,指出目前我国高校图书馆在读者荐购服务方面存在的问题,并提出相应的对策。     

基于遗传算法的群体推荐系统研究

由于一对一定制化沟通的实现,能最好满足消费者需求的"推荐信息"日趋重要.传统网络推荐技术在支持个人决策行为的过程中非常有效,但却很难运用于群体决策过程之中.在本项研究中,我们提出了一种全新的方法来为群体成员进行商品推荐.这种方法考虑到群体决策过程中会受到群体成员间交互作用的影响,不同意见在群体中的重要性存在的差异.基于商品的协同过滤算法,通过使用GA方法用来学习群体偏好解决子群体的未知评分问题.实验的结果显示,我们提出的方法能够提供高质量的群体推荐意见,并可以广泛运用于群体推荐过程中.     

基于用户决策机理的个性化推荐

[目的/意义]针对基于内容的个性化推荐策略，提出资源特征选择与权值计算优化策略，从而改善个性化推荐的效果。[方法/过程]构建基于用户决策机理的个性化推荐模型，模型以用户决策机理为背景知识进行资源特征的选择、用户兴趣模型的构建与语义表示、用户决策函数构建。为验证模型效果，以4 748位用户的观影数据为例进行实验，实验以向量空间模型为参照模型，P@N为评价指标。[结果/结论]实验结果显示，在N取值为5、10、20、50、100、200的情况下，基于用户决策机理的个性化推荐模型效果都显著优于向量空间模型，从而验证模型的有效性。     

一种基于情景的多维协同过滤新方法研究

介绍传统协同过滤方法,提出一个新的基于情景的多维协同过滤推荐模型。在该模型中,介绍情景的概念;阐述建立基于情景的多维用户模型的方法,并对基于情景的多维协同过滤推荐模型的组成部分进行详细介绍。提出一种计算情景相似度的新算法。基于该新算法,可以得到当前用户的“最近邻”在当前用户所在情景下对项目的评分。     

图书荐购发展瓶颈及对策——以集美大学图书馆为例

针对国内图书馆图书荐购服务中读者参与度不高的问题,结合集美大学图书馆的图书荐购实践,分析荐购书目、时间成本、读者心理顾虑等导致图书荐购瓶颈的因素,并提出整合荐购书目、节约读者时间、消除读者心理顾虑等突破图书荐购瓶颈的对策。