文献推荐系统综述

文献推荐系统帮助用户在海量文献环境下发现个性化的信息,已经成为文献检索系统的重要组成部分。文献推荐技术研究在信息检索、文献计量学与电子商务推荐系统研究成果综合演变下发展起来。首先讨论了一般个性化推荐技术;进一步对文献推荐技术已经取得的研究成果进行了系统的分析与总结;同时,介于评价测度与方法是推荐系统的重要组成部分,给出了常用的文献推荐系统的评价测度;最后,对文献推荐系统研究现状作出总体评价并指出将来的发展方向。     

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。     

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.     

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。     

“211工程”高校图书馆馆藏资源推荐系统调查探析

[目的/意义]调研推荐系统在高校图书馆中的应用现状及存在的问题,为增强图书馆对知识信息的智能处理能力提供参考依据。[方法/过程]通过对国内116所"211工程"院校进行网站访查和问卷调查,用定量分析与定性分析相结合等方法,对调查结果进行归类、分类统计和对比分析。[结果/结论]研究发现,受访高校图书馆均提供非个性化推荐服务,63%受访高校提供个性化推荐服务;推荐服务内容丰富、方式多样、形式各异,79%的高校积极寻求与其他平台的合作,拓宽推荐深度和广度。存在的问题包括:图书馆推荐系统个性化程度不高,过于依赖图书管理集成系统所附带的推荐功能,不够系统化、智慧化;推荐系统满意度有待提高,有相当多的用户担心推荐系统会泄露个人隐私。     

基于情境感知的用户推荐系统研究综述

[目的/意义]对基于情境感知的用户推荐系统研究进展进行调研和总结,探讨其存在的问题,指出未来的研究趋势和挑战。[方法/过程]采用文献分析方法,从基于情境感知的用户推荐系统框架角度,分析各功能模块的实现技术和方法,并进行归类总结。[结果/结论]提出用户情境检测、获取和计算、情境不一致检测和解决方案、用户情境建模、情境感知推理、情境感知推荐过程的未来研究热点。本研究有助于全面了解基于情境感知用户推荐系统的概貌、涉及的关键技术及主要方法。     

推荐系统在数字图书馆的应用：研究与技术现状

Recommender systems are increasingly a necessity as the burden of overly abundant information becomes heavier. This paper examines the current studies on recommender systems in technological perspective as well as the potential use of recommender systems for digital library services and the issues which arise in using recommender systems for library services.     

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。     

面向C2C电子商务平台的三维个性化推荐方法研究

定义C2C电子商务平台中不同于B2C平台的三维推荐空间和推荐问题,并针对该问题提出一种三维个性化推荐方法。该方法对传统二维协同过滤方法和基于内容推荐的方法进行混合和扩展。首先利用卖家特征属性计算卖家相似度,并基于销售关系和卖家相似度对三维评分数据集进行填补,以解决评分数据的稀疏问题,再利用填补后的评分数据计算买家相似度,获取最近邻并预测未知评分。实验证明,该方法能较好地解决C2C平台中的个性化推荐问题,在形成卖家和商品组合推荐时具有较好的性能。     

数字图书馆信息服务中资源推荐策略分析

面对数字图书馆海量的文献信息资源,给读者所带来的问题是信息过载,而推荐技术是解决这一问题的有力工具。介绍数字图书馆信息服务资源推荐模型,并对不同模式下的资源推荐策略进行分析,包括基于内容的推荐、基于读者的推荐、基于访问行为的推荐以及组合推荐,对各种资源推荐策略的优缺点进行分析,最后指出实施数字图书馆资源推荐服务所需解决的重点和难点问题。     

东北地区高校图书馆网上图书推荐栏目调查分析

通过对东北地区高校图书馆网上图书推荐栏目的调查,分析了目前网上图书推荐栏目存在的问题,并在此基础上提出了网上图书推荐栏目建设的建议。     

国内外社会化标签挖掘研究综述

简述社会化标签的相关背景和内涵;重点梳理国内外社会化标签挖掘的主要成果,一方面归纳社会化标签分析、社会化标签推荐及基于社会化标签的个性化推荐等方法,另一方面概述利用社会化标签增强信息检索功能、发现潜在信息、改进传统分类法和辅助构建本体等方面的应用,并总结当前研究存在的不足;然后,概括社会化标签挖掘在相关领域的应用;最后总结全文,对社会化标签挖掘的未来发展方向进行展望。     

融合影响力传播的社交网络群推荐方法

在社交网络中,以用户群体作为服务对象来进行个性化推荐服务,能有效提升推荐效率。已有的研究在进行群推荐时大多仅考虑用户群体的整体兴趣,忽视了群体中用户间的相互影响。为此,本文提出了一种基于影响力传播的社交网络群推荐方法,综合考虑用户自身兴趣与其受核心用户影响而产生的兴趣来进行社交网络群推荐服务。以微博“超话”上的数据为例对本文所提方法进行验证,证明了本文所提方法的有效性,从研究结果来看,加入对影响力传播的考量能显著提升群推荐效果。     

文献推荐系统：提高信息检索效率之途

Traditional Information Retrieval (IR) systems have limitations in improving search performance in today’s information environment. The high recall and poor precision of traditional IR systems are only as good as with the accuracy of search query, which is, however, usually difficult for the user to construct. It is also time-consuming for the user to evaluate each search result. The recommendation techniques having been developed since the early 1990s help solve the problems that traditional IR systems have. This paper explains the basic process and major elements of document recommender systems, especially the two recommendation techniques of content-based filtering and collaborative filtering. Also discussed are the evaluation issue and the problems that current document recommender systems are facing, which need to be taken into account in future system designs. Traditional Information Retrieval (IR) systems have limitations in improving search performance in today’s information environment. The high recall and poor precision of traditional IR systems are only as good as with the accuracy of search query, which is, however, usually difficult for the user to construct. It is also time-consuming for the user to evaluate each search result. The recommendation techniques having been developed since the early 1990s help solve the problems that traditional IR systems have. This paper explains the basic process and major elements of document recommender systems, especially the two recommendation techniques of content-based filtering and collaborative filtering. Also discussed are the evaluation issue and the problems that current document recommender systems are facing, which need to be taken into account in future system designs.     

基于用户画像的图书推荐算法实证研究

个性化推荐算法能够帮助读者从图书馆海量馆藏中发现所需图书,有助于提高馆藏利用率和读者服务效率。文章以高校图书馆图书数据、读者数据和借阅数据为数据源,从中抽取关键词构建图书画像和读者画像;利用向量空间模型计算图书与读者之间的相似度,向读者推荐与其相似度排名靠前的图书;并进行推荐算法效果实证分析,揭示著录数据、读者类型、推荐窗口等变量对推荐准确率的影响。     

全民阅读视域下书目推荐方法的创新

随着全民阅读活动深入普及,书目推荐日益被越来越多的读者所关注.本文在分析书目推荐的内涵基础上,详细地阐述了当前各类书目推荐方法的应用现状,指出图书馆书目智能推荐系统应是书目推荐方法应用创新的方向与亮点,继续推动全民阅读视域下书目推荐方法的革新.     

欢迎推荐优秀新闻作品

由于盘点主持人能力、精力所限,不能尽览国内媒体的优秀新闻作品,欢迎媒体同仁推荐本媒体或在其他媒体看到的优秀新闻作品,体裁、发表媒体不限。请写明所推荐作品的作者、发表媒体和发表时间,并注明推