融合情境关系的社会化媒体用户兴趣推荐

[目的/意义]用户兴趣推荐是信息服务中的重要内容,针对目前融合情境信息推荐的研究更多是直接将情境作为单因素而缺乏考虑情境关联的思想,本文以情境关系为切入点实现社会化媒体用户的兴趣推荐。[方法/过程]以具有相似情境用户可能具有相似兴趣为假设,来改进用户原始兴趣网络从而实现推荐。通过社会网络和资源相似性计算构建原始兴趣网络中显性网络和隐性网络;借鉴共现原理和情境本身相似性构建情境网络;通过兴趣传递关系计算直接兴趣度与间接兴趣度;最后借鉴协同过滤的思想实现推荐。[结果/结论]与以往的只考虑单一情境因素的推荐方法相比,基于本方法的实验表明,将情境关系融入到推荐过程中不仅可以扩展用户的社会关系,而且可以得到更好的推荐效果。     

基于认知升级理论的高校图书馆智慧推荐服务研究

[目的/意义]将认知升级理论融入图书馆智慧推荐服务中,以实现知以藏往、见贤思齐的智慧化推荐服务。[方法/过程]首先,从兴趣热度、内容质量评价和专指度3个指标入手,构建图书馆智慧推荐系统的指标体系;其次,基于认知升级理论,将用户分为“前辈”和“后辈”,通过改进协同过滤推荐算法计算用户相似度,将“前辈”的成功学习路径推荐给相似的后辈;最后,利用精准率、召回率、AUC、MMR、F1值等指标对离线实验和在线实验结果进行检验。[结果/结论]实验结果表明,改进后的智慧推荐算法相比传统协同过滤算法的实现效果有明显提高;对比离线实验和在线实验结果发现,在线实验的推荐效果显著提升,意味着若将基于认知升级理论的智慧推荐服务加以推广,将会对高校学生的专业素质培养和认知层次升级产生积极影响。     

数字图书馆推荐系统协同过滤算法改进及实证分析

[目的/意义] 为了提高传统协同过滤算法的计算速度,解决目标用户随着时间推移发生兴趣偏移而导致推荐系统质量下降的问题,以期进一步提升推荐系统运行效率和推荐质量。[方法/过程] 提出预先计算用户相似度算法和引入时间评分权重计算相似度矩阵的两种算法的改进,并利用Hadoop平台实证分析改进后的算法。[结果/结论] 实验结果证明：预先计算用户相似度算法缩短了对读者推送相关信息的时间,从而有效地提升了计算速度;引入时间评分权重计算相似度矩阵大大降低了MAE值,从而提高了推荐质量,两种算法同时应用后推荐系统在计算速度、准确率和新颖性方面都有显著提升。     

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。     

基于用户社交网络分析的高校图书馆主题多样性阅读推荐

[目的/意义] 推荐结果覆盖用户的不同兴趣领域,良好的主题多样性对于提高图书馆个性化阅读推荐服务的用户满意度具有重要意义。[方法/过程] 提出一种基于社交网络分析的阅读推荐方法,通过用户的兴趣相似好友,挖掘用户的多样隐性兴趣,为用户提供主题多样性的阅读推荐,并给出具有良好学科主题多样性的高校图书馆图书推荐案例。[结果/结论] 用户社交网络分析可为高校图书馆发现用户的多样兴趣,进而提供主题多样性的阅读推荐服务,构建用户多元知识结构提供新途径。     

一种基于用户标签网络的个性化推荐方法

基于标签进行个性化推荐是目前的一个研究热点,不同的推荐算法对标签进行了不同的处理.用户使用的标签之间存在着某种内在联系,由此可构建用户标签网络.根据这一启示,本文提出了一种基于用户标签网络的个性化推荐算法.首先,将用户标签网络视为用户兴趣模型雏形,利用社会网络分析方法计算标签权重,并以加权标签集的形式表示用户兴趣模型,最后将标签权重转化为资源与用户兴趣的相似度,进而实现个性化推荐.实验表明,本方法能较为准确地揭示用户的兴趣,产生的推荐资源与用户兴趣匹配程度较高.     

借阅场景下图书专业性质量测度方法和图书个性化推荐服务方法

[目的/意义]以现有图书馆借阅记录为基础,结合图书阅读相关性进行深入挖掘,探讨识别借阅场景下图书专业性质量和实现相应个性化图书推荐服务的有效方法。[方法/过程]利用图书的阅读相关性提出图书相关性链接关系,结合图书质量的迭代识别算法来识别专业图书资源。同时利用图书类别相关性链接关系,提出读者用户个性化模式的表达方法,并从长期兴趣推荐和短期兴趣的即时推荐两个方面给出个性化图书推荐策略设计原理和实现方法。[结果/结论]在图书质量识别方面,该方法更易于识别出专业性较强的优质图书资源,适用面比较灵活,也可以在限定图书范围内进行专业图书识别。在个性化图书推荐方面,发现不论长期兴趣推荐方法还是短期兴趣推荐方法,第二类用户的平均推荐命中度要高于第一类用户,在第一类用户中,最高相似度区间（75%以上）和较低相似度区间（15%-50%）的短期兴趣推荐方法的平均推荐命中度要高于长期兴趣推荐方法。本研究通过读者借阅序列分析方法识别专业图书并实现相应的个性化推荐图书方法,有利于改善现有图书馆借阅服务水平和提高读者的满意度。     

基于LDA主题模型的标签混合推荐研究

[目的/意义]针对目前使用标签推荐方法所得结果不理想的问题,改进传统相似度计算方式,并结合多种标签推荐方法,提高推荐准确性。[方法/过程]融合基于内容与协同过滤的推荐思想,利用LDA进行相似度计算得出资源与用户的近邻集合,并抽取资源内容关键词,以此构建标签混合推荐模型,最后以"豆瓣读书"为例对模型进行验证,同时与几种标签推荐方法进行比较。[结果/结论]在社会标注系统中,必须考虑用户-资源-标签3个维度,仅考虑单一角度势必会造成结果的不完整,同时在相似度计算时引入LDA能够挖掘潜在语义关系,提高推荐质量,且组合多种方法取长补短可以令推荐结果更为满意。     

融合关系强度和兴趣的好友推荐方法研究

[目的/意义] 利用三度影响力理论,从网络结构的角度进一步拓展用户关系连接,提高社交网络好友推荐的效率。[方法/过程] 首先,计算用户之间的关系强度,并筛选关系强度较大的用户集合;然后,通过用户共同关注的内容计算用户兴趣相似度;最后,融合用户关系强度和兴趣相似度实现好友的推荐并通过实际数据对所提方法进行实证检验。[结果/结论] 实验结果表明,融合关系强度和兴趣的社交网络好友推荐方法具有较好的效果,可为用户推荐提供参考和借鉴。该方法进一步完善社会化推荐理论。     

基于改进内容过滤算法的高校图书馆文献资源个性化推荐研究

[目的/意义]基于内容的过滤推荐中,针对向量空间模型表示文本时容易造成维度灾难的问题,提出利用余弦值r与匹配度值Sim相结合的方法对原有模型进行改进。[方法/过程]由文献资源和用户兴趣分别筛选出权重较大特征词的词向量,进而由公式计算余弦值r,结合对应的特征词权重进一步计算出匹配度值Sim,将其作为向目标用户推荐文献的依据,并利用河北工业大学图书馆的相关数据对改进模型、向量空间模型及LDA主题模型进行实验,最后利用查准率、召回率、F1值及运行时间等评价指标对3种模型的实验结果进行分析。[结果/结论]实验结果表明所提出的改进模型相比较于实验中的向量空间模型与LDA主题模型具有更高的应用价值与运行效率。     

数据驱动下数字图书馆用户画像模型构建

[目的/意义]为了挖掘用户数据背后隐藏的价值，全面了解用户需求，构建用户画像模型，为数字图书馆实现精准服务提供新动能。[方法/过程]针对数字图书馆用户画像的内涵及特征进行剖析，分析用户画像的数据来源及采集处理过程，提出数据驱动下用户画像数据化→标签化→关联化→可视化的驱动主路线，从自然维度、兴趣维度、社交维度，构建多维度、多层级、立体化的用户画像模型。[结果/结论]详细阐述数字图书馆用户画像模型的构建流程，设计用户画像的框架模型，并将用户画像应用于数字图书馆的精准推荐、个性化检索、精准宣传以及参考决策中，以促进数字图书馆的知识服务升级。     

面向语义出版的学术期刊数字资源聚合研究

[目的/意义] 在语义出版发展的背景下,针对目前学术期刊数字资源聚合中存在的问题,提出实现面向语义出版的学术期刊数字资源聚合的方法,以期解决学术期刊数字资源提供与科研用户信息需求间的矛盾。[方法/过程] 探讨面向语义出版的学术期刊数字资源聚合模型,构建以"冠心病"为具体应用背景的资源聚合实例,验证面向语义出版的数字资源聚合方法在学术期刊数字出版中的可行性。[结果/结论] 以语义出版为导向进行学术期刊数字资源深度聚合,可以实现数字资源知识单元之间及与外部知识组织的语义关联,为科研用户提供更加高效的信息资源服务。     

流程驱动、情景敏感的资源发现系统的构建思路与实现方法

[目的/意义]在图书馆信息服务环境发生了巨大变化的今天，为构建流程驱动、情景敏感的资源发现系统提供思路和具体操作方法。[方法/过程]分析国内信息服务机构应用环境和需求的特点和变化；调研国内资源发现系统的应用现状；总结国内信息服务机构引进的资源发现系统在用户权限控制功能和服务流程设计方面的不足之处；提出构建流程驱动、用户角色和情景敏感的资源发现系统的思路，并介绍具体的实现方法。[结果/结论]本文介绍的思路和方法在广东省科技图书馆应用环境得到了成功应用，对国内具有类似应用环境和应用需求的机构构建实用化的资源发现系统具有参考和借鉴作用。     

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。     

基于FRUTAI算法的布尔型移动在线学习资源协同推荐研究

[目的/意义]针对移动在线学习平台中用户评价具有布尔变量属性的学习资源,提出一种适用于该类资源的协同推荐方法。[方法/过程]首先采用基于用户自身属性和已有好友分布特征的FRUTAI算法,确定目标用户的最近邻集;然后在解决数据稀疏的基础上,提出适用于布尔型移动在线学习资源的协同推荐方法;最后选取实证对象,依据相关评估方法评估推荐结果。[结果/结论]在以豆瓣书评网数据作为数据集的实证中取得了较好的推荐效果。实证结果表明,本文提出的改进的协同推荐算法可以有效地应用于移动在线学习平台中的布尔型学习资源,具有较好的推荐效果。     

图书馆用户信息模型框架构建

[目的/意义] 图书馆用户信息模型是对用户及其与图书馆互动过程中各种属性的描述,也是用户信息资源化的前提与基础。[方法/过程] 在分析并借鉴几个学习者信息模型基础上,构建出图书馆用户信息模型框架。[结果/结论] 在保护用户隐私权的前提下,如果图书馆将用户信息通过关联数据方式发布,那么各种知识生产与服务系统便可以利用它来扩展服务,从而实现图书馆用户信息资源化之根本目的。     

一种基于相似度和信任度融合的微博内容推荐方法

[目的/意义]微博对用户获取信息和建立社交网络具有重要作用。提出一种基于相似度和信任度融合的微博内容推荐方法,能够从用户需求出发进行个性化微博内容推荐,对提高微博服务质量、改善信息过载问题具有意义。[方法/过程]基于相似度和信任度融合算法,构建微博内容推荐模型,以新浪微博为研究对象,采用编程方式获取汽车、体育、运动健身、互联网和财经5个领域的数据,展开用户相似度与信任度计算的实验分析和比较。[结果/结论]分析结果显示该方法可以有效表示和挖掘微博内容,改善微博推荐的准确性和用户满意度。