基于用户情境模型的学科化服务

图书馆学科化服务面临的困境主要是与学科用户的沟通障碍、学科馆员的角色胜任质疑、学科服务诚信及利益共享危机.为了解决这些困境,笔者建立了用户情境模型系统,用以收集、管理、分析学科用户的情境信息,并介绍了此模型在学科化服务中的具体应用,总结了基于用户情境模型的学科化服务特点和需要注意的问题.     

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。     

基于系统评价法的用户在线健康信息接受驱动情境模型构建

[目的/意义]旨在探究用户在线健康信息接受驱动情境,构建维度模型,有利于促进用户对在线健康信息的使用和健康信息服务的推广。[方法/过程]本研究收集和分析国内外用户在线健康信息接受的相关文献,利用系统评价法,结合NVivo12质性分析软件进行分析,梳理并抽取用户在线健康信息接受驱动情境因素,构建用户在线健康信息接受驱动情境维度模型。[结果/结论]用户在线健康信息接受驱动情境主要包括目标导向、认知范式、外源刺激及情感趋同。据此,为优化在线健康信息服务提供相应对策。     

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.     

基于机器学习的自适应个性化数字图书馆模型研究

由于信息数量和种类增加,用户对数字图书馆期待更多的智能服务.本文提出通过引入机器学习技术来解决此问题,首先简要介绍了机器学习技术,说明了可适应个性化数字图书馆局限性,然后提出基于机器学习的自适应个性化数字图书馆模型,最后探讨了用户模型的自动创建.实践表明,此模型可满足用户对信息的需要,简化信息查找过程.     

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。     

移动图书馆信息接受情境跨学科特性及其作用机理研究

[目的/意义] 移动图书馆信息接受情境与用户信息行为的适配程度决定了移动图书馆信息服务的绩效。为向用户提供多元化一站式信息服务和精准的个性化信息服务,需对移动图书馆信息接受情境特性和机理进行分析。[方法/过程] 从移动图书馆信息接受情境的跨学科特点和内涵,借助于信息接受情境的链模式、域模式和场模式为基础,构建信息接受的生物学作用机理、情境计算机理和情境适配机理,从而分别形成其信息接受情境模型。[结果/结论] 对移动图书馆信息接受情境数据处理,提出了移动图书馆信息接受情境配置、信息接受情境适配和信息接受情境优化方法。以移动图书馆信息接受情境计算为导向,为移动图书馆信息服务深入研究奠定了良好的基础。     

信息搜索过程模型的验证分析

为了使信息用户能够高效、准确地从海量信息中获取所需信息。首先在总结相关用户行为理论研究的基础上,从5个方面对三大经典信息搜索过程模型进行比较分析,进而提出了新的信息搜索"三阶段"过程模型。最后,采用任务测试的方式,对"三阶段"过程模型运用Morae可用性测试软件设计情境展开实验,生成针对不同任务的搜索过程。验证了本文提出的新模型的科学性与普适性。     

社交媒体用户健康信息传播行为的影响机制研究——基于风险认知与问题解决情境理论

[目的/意义] 探索社交媒体用户健康信息传播行为的影响因素,剖析其认知-动机-传播行为之间的关系,对于理解用户的健康传播行为,提供优质的健康信息服务具有重要意义。[方法/过程] 基于风险认知与问题解决情境理论,构建社交媒体用户的健康信息传播的影响机理模型,通过问卷调查和结构方程进行实证。[结果/结论] 结果表明,风险认知、问题认知和涉入认知通过情境动机正向影响信息传播行为;同时,社交媒体用户的文化程度影响其健康问题认知。     

基于情境感知的移动电子资源推荐技术研究

将情境因素引入个性化推荐系统中,考虑用户—资源—情境之间的三元关系,为处于不同情境、不同兴趣的移动用户推荐满足其需求的合适信息服务,是目前信息推荐新的研究方向.文章提出了基于情境和基于内容相结合的推荐算法,在当前情境下,利用用户的历史情境信息和用户偏好综合为用户推荐信息.实验表明,该算法能够显著地提高个性化推荐的准确率,可为用户提供符合当前情境的个性化资源.     

基于用户认知框架的商品知识融合实证研究

[目的/意义]旨在改善在线商品信息描述,降低用户认知负担,提升在线购物效率。采用框架描述法构建用户认知框架,在此基础上实现商品知识融合,以期解决在线商品信息的冲突矛盾和冗余问题。[方法/过程]采集数码相机在线评论信息,以框架法进行用户认知框架表示,利用规则融合方法构建商品知识融合模型,进行了用户认知框架的融合模型验证和效果分析。[结果/结论]知识融合能解决商品信息冗余问题,能填补空值型商品知识信息,减少电商平台商品信息描述流量成本,帮助用户理解商品知识矛盾问题,提升电商平台商品知识描述和呈现质量。     

基于信息过滤的Web信息查询优化

从信息过滤的角度分析信息查询的个性化发展,通过用户需求与信息内容的相似性匹配过滤与用户需求无关的信息,从而实现网络环境下用户信息查询结果的优化.据此建立基于信息过滤的用户模型框架,探讨基于信息过滤的信息查询系统优化实现的过程和方法.     

基于本体的数字图书馆个性化信息服务研究

本文引入本体对信息资源和用户兴趣特征进行描述,提出了在语义层次上实现数字图书馆个性化信息服务的系统框架模型,简单分析了各个部分功能,重点阐述了用户的兴趣建模和更新方法。     

科技用户信息搜索行为影响因素研究

本文在总结相关研究的基础上,针对科技数据库网站及其用户对象的特征,提出了以用户、系统、环境为顶层分析框架的科技用户信息搜索行为影响因素分析模型,并重点在对用户、系统和环境等三大因素的微观分解基础上,对影响科技用户信息搜索的具体因素进行了深入的剖析和总结。     

基于用户动态画像的学术新媒体信息精准推荐模型研究

【目的/意义】构建基于用户动态画像的学术新媒体信息精准推荐模型是满足学术新媒体用户对学术信息 资源精准化、个性化与专业化的要求,同时也是提高学术信息流转效率以及价值增值的有效途径。【方法/过程】在 探究学术新媒体信息流转模型的基础上,进一步分析学术新媒体用户需求与分层画像,重构学术新媒体用户画像 步骤,构建基于用户动态画像的学术新媒体信息精准推荐模型。【结果/结论】基于用户动态画像的学术新媒体信息 精准推荐模型能够实现学术信息资源与用户的精准对接,提升用户忠诚度,更好地服务科研工作者的学术活动。 【创新/局限】从理论框架角度分析与构建学术新媒体信息推荐模型,后续将重点研究模型的技术实现与实践应用。     

开放环境下高校数字图书馆个性化门户服务研究

在分析数字图书馆个性化门户服务模式的基础上,结合目前国内高校图书馆个性化信息服务的现状和发展趋势,提出一个基于MyLibrary的高校数字图书馆个性化门户服务框架,并分析了框架主要功能和特色。该框架综合考虑用户的服务需求和数字图书馆现有服务组件的功能,并利用代理模式整合各种服务方式,以满足用户对一站式服务的需求。     

An evaluation of adaptive filtering in the context of realistic task-based information exploration

Exploratory search increasingly becomes an important research topic. Our interests focus on task-based information exploration, a specific type of exploratory search performed by a range of professional users, such as intelligence analysts. In this paper, we present an evaluation framework designed specifically for assessing and comparing performance of innovative information access tools created to support the work of intelligence analysts in the context of task-based information exploration. The motivation for the development of this framework came from our needs for testing systems in task-based information exploration, which cannot be satisfied by existing frameworks. The new framework is closely tied with the kind of tasks that intelligence analysts perform: complex, dynamic, and multiple facets and multiple stages. It views the user rather than the information system as the center of the evaluation, and examines how well users are served by the systems in their tasks. The evaluation framework examines the support of the systems at users’ major information access stages, such as information foraging and sense-making. The framework is accompanied by a reference test collection that has 18 tasks scenarios and corresponding passage-level ground truth annotations. To demonstrate the usage of the framework and the reference test collection, we present a specific evaluation study on CAFÉ, an adaptive filtering engine designed for supporting task-based information exploration. This study is a successful use case of the framework, and the study indeed revealed various aspects of the information systems and their roles in supporting task-based information exploration.     

基于信息协同过滤的电子政务推荐服务系统研究

采用信息协同过滤技术构建一个面向公众的电子政务信息推荐服务系统框架。通过信息用户评价矩阵寻找相似度较高的邻居集,能够较好地把握用户的需求偏好,主动提供适合用户的信息组合。但需要解决稀疏性、冷启动、扩展瓶颈问题,以及处理好用户参与、个人隐私和系统优化问题。     

国内社交媒体用户持续使用研究现状

[目的/意义]对国内社交媒体用户持续使用行为研究文献进行梳理与总结,以把握国内用户持续使用研究的发展动态。[方法/过程]以CSSCI期刊库2012-2018年发表的社交媒体用户持续使用行为研究论文为研究对象,从相关理论和模型、因果分析框架、未来研究方向三方面剖析国内社交媒体用户持续使用研究现状。[结果/结论]研究发现：采用的理论模型最多的是信息系统持续使用模型及其扩展模型,其次是技术接受模型。本文提出了一个社交媒体用户持续使用行为研究的因果关系分析框架,将纷繁复杂的前因变量、中介变量、调节变量和结果变量都囊括其中。最后指出了未来研究方向。