知识找回场景下推荐系统模拟实现及评价研究

[目的/意义]信息过载一直是知识工作者在搜集、处理和创造知识的过程中所面临的主要困境。这种困境导致的结果之一是很难回忆起曾经使用过的文档的内容细节及具体位置，而推荐系统则能减少这样的困难。通过研究对比不同推荐系统在这一任务下的优缺点，可以帮助知识工作者更好地完成回忆任务。[方法/过程]基于相关理论，在同一场景（知识找回）模拟实现并测试了4种不同类型的推荐过程，包括基于内容的推荐CBR、基于协同过滤的推荐CFR、基于推理网络的推荐INR与融入了情境感知的推荐CAS，根据所确定的若干指标（精确性、情境相关性、预测性、多样性）对推荐效果进行比较。[结果/结论]结果显示，以上推荐系统在帮助用户回忆并找回文档过程中都有各自的优势，而基于情境感知的推荐系统在情境相关性与预测用户行为方面具有较好的效果。     

面向学科新兴主题探测的多源科技文献时滞计算及启示——以农业学科领域为例

为探究面向学科新兴主题探测领域多源科技文献融合过程中的时滞性问题,本文设计了多源科技文献时滞计算方案。首先,从获取的4种科技文献数据集中提取学科主题,计算学科主题间的相似度,构建相似矩阵;其次,基于匈牙利最优匹配算法寻求相似度损耗最小条件下的最优组合;最后,构建线性方程模型并拟合计算时滞程度。本文以2009-2016年农业学科领域337790篇摘要文本为实验数据,抽取基金项目文本学科主题为250个、专利文献为260个、期刊论文为260个、会议论文为240个,利用上述多源科技文献时滞计算方案实验。结果表明:期刊论文滞后于基金项目文本和会议论文1年,专利文献滞后于期刊论文1年,结合以往对不同学科领域数据的研究结果,验证了多源科技文献时滞计算方案的可行性和有效性,同时也为多源科技文献融合策略的制定提供新思路。     

词汇功能视角下的关键词生存模式研究

[研究目的]从词汇功能的视角出发，探究问题类和方法类关键词的生存模式，分析生存模式的影响因素，可为领域热点的识别与追踪提供借鉴。[研究方法]首先，采用深度学习对关键词的词汇功能进行识别，然后分析问题类和方法类关键词的分布规律；其次，计算关键词的生存时间，并结合关键词的词频，将关键词的生存模式分为“持续热点”型、“衰退”型、“普通”型和“非热点”型；最后，采用Logistic回归探究问题类和方法类关键词生存模式的影响因素。[研究结论]问题类和方法类关键词的词频服从幂律分布，其数量随着时间的增长均呈线性增长趋势，生存曲线均呈先快速下降，后缓慢下降的趋势；问题类和方法类关键词的生存模式受到不同因素的影响，高被引论文关键词和高下载论文问题类和方法类关键词均更有可能成为“持续热点”型关键词，基金资助论文方法类关键词相比于非基金资助论文方法类关键词更有可能成为“持续热点”型关键词，此外，作者合作规模大于等于5的论文方法类关键词相比作者合作规模为1的论文方法类关键词更有可能成为“持续热点”型关键词。     

一种融合了基于朴素贝叶斯算法与情境感知的协同推荐系统——以大学图书馆实体图书推荐为例

[目的/意义]将情境感知技术引入图书馆以提高服务的智能化，已成为数字图书馆的发展趋势之一。为了提高情境感知模型中推荐结果的准确度。[方法/过程]本文研究并提出了一种融合了朴素贝叶斯算法与情景感知功能的协同推荐模型，并通过实验对推荐效果进行了评估。具体为：首先，获取用户的当前任务和情景信息，同时提取历史信息库用户的行为偏好；其次基于属性加权贝叶斯算法计算用户的行为相似度，继而进行协同推荐；通过计算目标情景中所有情景属性对所推荐资源的影响的权值，对协同推荐所得评分进行加权处理，形成最终的预测预测；最后通过实验对模型进行检验。[结果/结论]结果表明：使用该模型得出的推荐结果优于传统的协同推荐结果。因此该模型能够更好地为为个性化信息服务提供支持。     

词汇功能视角下关键词生存时间影响因素研究

[目的/意义]从语义功能角度探究不同类型关键词在学术文本中生存时间的影响因素，为识别领域热点主题和技术方法提供参考。[方法/过程]首先，采用深度学习的方法对关键词的词汇功能进行识别，将关键词分为问题类和方法类；其次，构建关键词生存时间的影响因素模型；最后，分别采用K-M曲线和Cox回归对关键词的生存时间影响因素进行探究。[结果/结论]研究结果表明，论文被引频次和下载次数与问题类和方法类的关键词生存时间存在正相关的关系；期刊等级、是否基金资助、作者合作规模和参考文献数4个因素与方法类关键词的生存时间存在显著的相关关系，而与问题类关键词生存时间的相关关系不显著。