推荐系统与数字图书馆个性化

Recommender systems can be a powerful tool for digital libraries if they implement the systems right to information seekers. While patrons have shown an increased interest in recommender systems, digital libraries ought to offer personalized services and assist users both novice and experienced with more sophisticate information retrieval technologies. By guiding users to timely, accurate, and suitable resources within the library the recommender system could take the place of the reference librarian of the bricks and mortar library to enhance the digital libraries services.     

关于数字图书馆个性化服务资源推荐模式的研究

文章简述了数字图书馆个性化资源推荐服务,探讨了数字图书馆的读者兴趣模型及推荐资源对象模型的建立,并分析了资源推荐模式,同时指出了数字图书馆的资源推荐服务应用存在的问题.     

基于知识决策的数字图书馆个性化推荐

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。     

论数字图书馆个性化信息推荐系统*

构建一个综合信息检索、信息过滤、数据挖掘等多种技术的信息推荐系统，是数字图书馆实现个性化信息服务的有效手段。阐述了数字图书馆个性化信息推荐系统的目标、功能与资源定位，对推荐系统的结构框架和主要功能作了解剖，并分析了推荐系统实现的主要技术。     

数字图书馆联盟中基于情境感知的个性化推荐服务研究

数字图书馆联盟情境感知服务是图书馆在数字化、移动网络环境下面临的一个崭新课题。本文对情境感知推荐进行了系统研究,探讨了移动环境下情境感知计算流程,给出了基于本体的用户情境偏好模型,在此基础上提出了数字图书馆联盟情境感知推荐模型,并对功能模块进行了阐述,为数字图书馆联盟个性化推荐应用提供了理论参考。     

数字图书馆推荐系统研究

信息推荐服务是数字图书馆的一项重要的功能。文章论述了数字图书馆推荐系统的基本原理与特点、功能及意义,介绍了数字图书馆信息推荐的主要方法和技术,并对当前数字图书馆推荐系统的主要应用进行实例分析。     

基于关联数据的数字图书馆个性化信息推荐系统

个性化信息推荐是数字图书馆最重要的个性化服务,能够主动为用户提供符合其需求的信息.简要介绍关联规则数据挖掘的有关概念及其使用到的数据挖掘算法,分析系统设计思路,设计一个包括数据存储层、数据挖掘层和用户界面层3层结构的个性化信息推荐系统.     

融入实时情境的数字图书馆个性化信息动态推荐服务研究

从学科分类、资源整合、用户信息管理3个方面分析了个性化信息动态推荐服务对数字图书馆的作用,对融入实时情境的数字图书馆个性化信息动态推荐服务系统开展了需求分析,构建了融入实时情境的数字图书馆个性化信息动态推荐系统模型,探讨了实时情境传输层、馆藏资源管理层、个性化信息推荐层的功能作用。     

数字图书馆个性化信息服务的探索

阐述了个性化信息服务逐次递进的三种形式及其特征，介绍了“数字图书馆个性化推荐系统”的内容与功能，最后指出个性化信息服务发展的几个关键问题。     

协同信息推荐:一种数字图书馆个性化信息服务新模式

基于用户-资源协同驱动的个性化信息推荐服务是一种在分析预测用户个体信息需求基础上向用户主动提供其可能需要但又无法获取的信息资源的服务方式。本文在阐述协同信息推荐服务系统基础上,对协同信息推荐应用于数字图书馆个性化服务的研究现状进行分析,总结出协同信息推荐在数字图书馆个性化服务中的重要作用,并提出了基于用户-资源协同驱动的数字图书馆个性化信息推荐服务模型。     

高校图书馆个性化专题推荐研究

为应对高校图书馆用户普遍面临的"信息过载"和"信息迷航"问题,提高图书馆专题信息服务质量和优化资源的有效利用,文章采用数据挖掘和数据推荐技术,构建了一个高校图书馆个性化专题推送服务模型,并应用该模型对广西某高校图书馆MELINETS II系统中大量的查询借阅日志记录进行了挖掘和分析,以便为高校图书馆用户指引及时、准确、适宜的资源,并提供更具人性化和针对性的个性化信息服务。     

基于多目标优化双聚类的数字图书馆协同过滤推荐系统

针对数字图书馆推荐系统,提出一种能够同时考虑用户和项之间的相似性的协同过滤(CF)方法,即应用多目标优化计算双聚类技术对行和列同时进行聚类,完成对用户和项相似性同时分组。为评估算法的效率,应用MovieLens数据集进行实验,结果表明该方法能够为用户提供有用的推荐意见,其性能优于其他CF方法。     

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。     

一种基于数据挖掘技术的馆藏资源个性化推荐服务

本文介绍了一种如何将ID3决策树算法和关联规则应用于馆藏文献信息资源的个性化推荐服务当中去的方法.文中首先对读者借阅历史记录进行了挖掘和分析,利用决策树算法挖掘出可推荐的相关读者对象,再依据关联规则提取借阅历史记录并对其进行分析和挖掘,从中找出相关潜在的有用或有价值的规则,然后依据这些规则选择出最适合推荐的项目推荐给读者.该方式是为实现个性化推荐服务所进行的一种新的探讨,具有算法收敛性好,计算方法简单有效,可靠性高,推荐效果显著等优势,与传统推荐技术相比,能够更加全面、准确、清晰地进行文献推荐.理论和实践结果表明,所提出的这种方法是一种行之有效的形式.     

基于社会化标签系统的个性化信息推荐探讨

针对用户个人特征并向其提供准确恰当信息的个性化信息推荐研究,一直是学术界和产业界所关注的热点。结合后控词表,对用户分散的、个性化的标注进行处理,并将用户兴趣用向量表示,然后借鉴协同过滤算法的思想,寻找出相似用户集及其内部的资源集。在此基础上,采用相对匹配策略,提出一种基于社会化标签系统的个性化推荐方法。     

基于概念格的图书协同推荐研究

提出一种基于概念格的图书协同推荐方法。首先建立用户与图书之间的概念格,然后根据概念格中图书节点之间的继承关系,从下向上回溯用户之间的共同偏好,快速计算用户之间的相似度,以确定目标用户的"最近邻居"。最后通过计算协同推荐值,实现对目标用户推荐其可能感兴趣的图书,从而为图书的协同推荐提供支持。     

网格环境下的个性化信息推荐服务模型研究

本文主要解析了个性化信息推送服务的形式,探讨了在网格环境下各种信息推送服务的模式,特别强调了在网格环境下推送服务中间件的作用,揭示了中间件在不同类型的推送服务中将如何工作。     

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。     

高校图书馆数字化参考咨询服务特色化

文章论述了高校图书馆数字化参考咨询服务特色化的重要性，以及如何开展特色服务的一些问题。