情境感知推荐系统研究进展

【目的/意义】通过文献综述,梳理国内外情境感知推荐系统领域的研究进展,呈现目前主要研究成果,发现 研究中的不足,旨在对今后研究提供一定启示。【方法/过程】利用文献调查的方法,从相关概念、情境信息兼容的基 本模式、具体方法和情境感知推荐系统的主要应用领域等方面对国内外相关研究进行梳理,在此基础上提出目前 情境感知推荐系统研究中的不足。【结果/结论】情境信息兼容的基本模式已较为明确,情境信息兼容的具体方法呈 现多元化的趋势,情境感知推荐系统的应用领域日益广泛,但在情境要素的选择问题、情境信息的兼容方法问题、 大规模情境化标注数据的获取与构建问题和多元情境要素的关系处理问题等方面还需进一步研究。     

基于情境感知的资源推荐研究综述与实践进展

[目的/意义] 情境感知推荐是推荐系统发展过程中的重要阶段,其核心思想是将情境信息融入资源推荐的过程中,以此提高资源推荐系统的准确性。作为资源推荐的重要技术,情境感知推荐吸引了各领域的广泛关注,逐渐成为资源推荐研究的重要组成部分。[方法/过程] 本文以筛选于WOS、CNKI等数据库的文献集为研究对象,通过归纳总结的方法,首先系统梳理、总结了情境感知推荐的主要方法—情境前过滤推荐方法、情境后过滤推荐方法以及情境建模方法,然后从情境数据采集和情境感知应用两个方面总结分析情境感知推荐实践进展,最后总结情境及情境感知技术对资源推荐研究的理论价值与实践的现实意义。[结果/结论] 未来研究将综合3种主流情境感知资源推荐方法,以混合形式融合情境要素,构建多维、复杂的情境推荐模型,进一步提升精细化、个性化信息资源服务体验。     

基于团队科研—知识应用情境匹配的数字图书馆知识推荐方法研究

[目的/意义]数字图书馆的知识服务需要考虑用户科研情境的因素,现有研究大多集中于科研人员个体,忽略了科研团队的情境。针对团队科研活动的情境进行知识推荐,可以更好地服务以团队合作方式开展的科研活动。[方法/过程]提出了一种基于团队科研—知识应用情境匹配的数字图书馆知识推荐方法。运用情境感知技术构建数字图书馆知识应用情境和团队科研情境模型,将二者匹配,为活跃用户筛选出备选知识和邻居用户,完成知识排序和推荐。[结果/结论]通过数字图书馆知识推荐实例证实,提出的推荐方法能够精准挖掘出团队科研情境下科研人员的知识需求。     

基于认知计算与情境感知的个性化信息自适应 推荐模式框架研究

【目的/意义】通过对个性化信息推荐中的用户认知、情境感知以及自适应等问题展开研究,进一步丰富个 性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。【方法/过程】在对个性化信息推荐的概念和方法 以及个性化信息自适应推荐分析的基础上,首先阐述认知计算的提出和发展及其基本观点,然后对情境感知的定 义以及关键特征识别进行探讨,最后提出基于认知计算与情境感知的个性化信息自适应推荐模式及其框架,并针 对其内涵展开深入分析。【结果/结论】通过借鉴认知计算与情境感知的基本观点和技术方法,重点研究认知计算与 情境感知的融合、认知计算与情境感知融合下的用户偏好的提取、个性化信息自适应推荐模式 3个方面内容,并最 终构建基于认知计算和情境感知的个性化信息自适应推荐模式框架。     

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。     

数字图书馆个性化推荐用户信息采纳行为影响研究——信息采纳意向的中介效应

[目的/意义]本文从用户信息采纳行为的视角出发，通过信息采纳意向的中介效应针对数字图书馆个性化推荐的影响因素进行研究。[方法/过程]在计划行为理论的基础上构建了数字图书馆个性化推荐信息用户采纳行为模型，并通过实证研究对该模型进行检验与分析。[结果/结论]数据分析结果表明：信息采纳意向在感知有用性、用户期望、信息质量及主观规范对数字图书馆个性化推荐用户信息采纳行为的影响作用中均有中介效应。     

基于梯度提升决策树的情境感知推荐模型

[目的/意义]旨在深入研究情境信息对用户偏好的影响,提高情境感知推荐的准确性。[方法/过程]提出了基于梯度提升决策树的情境感知推荐模型,根据梯度提升决策树计算情境属性权重,将其与传统协同过滤算法相融合,生成情境感知推荐结果。[结果/结论]该模型可以识别影响用户偏好的重要情景属性,为用户提供个性化推荐服务。     

基于情境感知的高校移动图书馆个性化推荐模型研究

针对高校移动图书馆个性化推荐的不足,利用情境感知技术和数据挖掘技术,从用户的物理情境信息、基本情境信息、社会网络3个方面获取用户的情境信息;采用向量空间模型的表示方法,提出一种基于情境感知的高校移动图书馆个性化推荐模型,并介绍模型的运行过程及相关环节,以期解决移动图书馆用户情境敏感性的个性化需求。     

数字图书馆信息质量、系统质量与服务质量整合研究

[目的]为提高数字图书馆的信息质量、系统质量及服务质量,增加用户感知效果,增强用户黏性。[方法]本文以理性行为理论、技术接受模型、技术接受与利用整合理论为基础,通过引入信息系统成功模型的信息质量、系统质量、服务质量三个变量,结合已有研究成果,构建数字图书馆信息质量、系统质量及服务质量整合模型。运用探索性因子分析、验证性因子分析、结构方程模型对数字图书馆的用户行为意愿进行实证研究,并利用R语言编写程序,计算该模型的统计力。[结果与建议]结果显示,信息质量对感知有用正向影响显著、系统质量对信息质量以及服务质量和感知有用正向影响显著、服务质量对感知易用正向影响显著等。该模型统计力非常高,表明对本文的分析结果有足够的信心。根据对研究结果的讨论,提出了如何提高数字图书馆的信息质量、系统质量及服务质量的建议。[意义与局限]最后对本文的研究意义和局限性进行了探讨。     

基于情境感知的电子商务平台个性化推荐模型研究

针对当前电子商务平台商品推荐中存在的不足,提出借助于本体技术和Agent技术,实现基于情境感知的电子商务平台个性化商品的推荐.对电子商务平台的情境要素进行了分析,探讨了电子商务平台情境感知的内涵;构建基于情境感知的电子商务平台个性化商品推荐模型,分析模型的组成部分;对模型运行的基本流程进行了介绍,重点分析情境获取、情境处理和规则匹配的实现方法;并对情境本体和商品本体的构建思路进行了分析.     

用户意图聚类的数字资源推荐方法

综合用户背景与资源特点,基于用户的协同过滤更适合高校图书馆在信息推荐中的应用。对其由于馆藏数字资源空间增大而导致推荐系统性能下降以及数据稀疏性问题,提出一种用户意图聚类的方法。通过运用K—means算法,对资源类别的意图特征值相似用户进行聚类,来提高推荐的实时性,降低数据稀疏性对信息推荐造成的影响。实验结果表明,基于用户意图聚类的协同过滤算法能有效提高推荐质量。     

移动环境下基于情境感知的个性化信息推荐

随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成.但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务.为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐.运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐.实验表明本文提出的改进算法可以提高推荐的准确率.     

数字图书馆的个性化推荐策略

本文研究了数字图书馆领域的个性化推荐服务,根据用户描述文件和资源描述文件这两个初始模型,利用协同过滤技术,提出了3种相似性的推荐算法,从而为用户提供个性化推荐服务。     

基于模糊聚类和模糊模式识别的数字图书馆个性化推荐研究

为提高图书馆个性化推荐的效果,采用模糊聚类和模糊识别技术建立数字图书馆的个性化推荐系统。通过分析用户的信息素质、兴趣爱好、网络和电子资源检索情况,对读者进行数学模糊聚类分析,确定最佳阈值λ,得到最佳聚类。根据个体用户的基本情况进行模糊识别,由识别结果的归属给出针对当前用户的个性化推荐。实验结果表明,在模糊聚类与模糊识别基础上的个性化推荐方案是可行的和有效的,为创新数字图书馆个性化服务提供了一种新的方法。     

社会化标注系统中个性化信息推荐多维度融合与优化模型研究

[目的/意义]在社会化标注系统自组织运行的基础上，构建个性化信息推荐的多维度融合与优化模型，进而在大数据环境下，为用户提供精准的个性化信息推荐服务，从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先，对每一种个性化信息推荐方法的优点和不足进行深入分析；然后，将基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）3种个性化信息推荐方法进行多维度深度融合，构建个性化信息推荐多维度融合模型；最后，对社会化标注系统中个性化信息推荐多维度融合模型进行优化，从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）的个性化信息推荐方法各自的贡献和不足，实现3种方法之间的多维度深度融合，并结合心理认知、用户情境以及时间、空间等优化因素，最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。     

基于语义网格的数字图书馆个性化推荐研究——体系结构与总体框架

本文针对数字图书馆个性化推荐存在的精度不高、智能性差、方式单一、推荐规模与质量矛盾突出、推荐受众与信息来源比较固定等问题,分析了互联网、语义网、网格技术在数字图书馆个性化推荐领域的应用局限性.以此为基础,提出基于语义网格的数字图书馆个性化推荐体系结构与总体框架.初步形成面向分布、异构、海量信息环境的数字图书馆个性化推荐解决方案.