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.     

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。     

基于知识管理的数字图书馆个性化服务机制研究

介绍了知识与知识管理的相关基本概念以及应用于用户服务所带来的前景，分析了数字图书馆个性化服务的具体表现，提出一种基于知识管理的数字图书馆个性化服务系统模型，并对数字图书馆个性化服务进一步研究工作的方向进行了展望。     

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。     

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.     

基于平均差异度的数字图书馆个性化推荐算法研究

针对用户评分数据极端稀疏情况下传统个性化推荐算法的不足,提出基于平均差异度的个性化推荐算法,该算法通过计算用户对项目评分之间的平均差异度来预测用户对未评分项目的评分,从而产生高质量的推荐。实验结果表明,该算法可以有效地提高数字图书馆个性化推荐系统的可扩展性及推荐准确度。     

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。     

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。     

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.     

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。     

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。     

知识地图在图书馆个性化信息推荐服务中的应用研究

针对当前个性化信息推荐服务的不足:推荐的自动化程度低,推荐方法单一,不能灵活地提供多种推荐服务功能,难于对多个 推荐工具和大量数据进行动态有效地管理与维护等问题,提出建立个性化信息推荐系统知识地图结构模型的建议。即把知识地图应用到 图书馆的个性化信息推荐服务中,借助WIDAS工具提供一个可视化的环境,沿着资源的分布网络快速找到合理有效的资源匹配,进而对资 源进行分析,及时把有关信息自动推送给相应的用户,提高推荐服务的效率。     

数字图书馆个性化服务的用户特征模式研究

分析了数字图书馆个性化服务的具体表现,指出了用户特征模型建立与处理好坏的重要性,提出了个性化主动服务系统,并对此模型进行了用户特征分析.通过分析试图完善数字图书馆个性化服务的有效模式,为构建可操作的现实数字图书馆个性化服务系统提供参考.     

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.     

动静结合的图书馆个性化资源推荐系统的建立

通过分析高校图书馆读者的基本信息、历史行为以及位置、信息环境等的变化,建立动态推荐和静态推荐相结合的个性化图书馆资源推荐系统。系统通过对图书馆信息资源提取关键字、分类和位置化,可以根据用户的兴趣模型和档案结合环境因素进行计算和信息推荐,不但为读者挖掘兴趣和推荐与兴趣相关的资源,节省读者搜索、查找时间,同时还可以提高图书馆资源的利用效率。     

论数字图书馆个性化服务的发展模式

本文从个性化服务可持续发展的内涵入手,以用户需求为主线,提出数字图书馆个性化服务的发展模式,具体阐述了模式中资源集成、服务组织、保障机制等系统要素的发展途径,并对创新型个性化服务的发展方向进行了展望。     

基于“知识发酵”视角的数字图书馆知识管理分析

"知识发酵"理论是知识管理领域的新生物,它对知识活动的转换进行了系统、合理的阐释。数字图书馆知识管理的核心是寻求人与知识的有机结合,促进组织创新,如果将"知识发酵"理论应用于数字图书馆知识管理,必将对优化知识服务具有创新意义。     

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。