基于检索日志的检索词推荐研究

为了满足检索用户对推荐服务日益迫切的需求,结合检索词推荐需求研究推荐理论。基于三种典型推荐方法：基于内容的过滤、基于规则的过滤和基于协作的过滤,提出一种检索词的混合推荐方法,并基于检索日志构建一种“脱机预处理和挖掘、联机推荐”的检索词推荐模型。最后,在NSTL嵌入式系统上进行实证研究。基于检索日志数据,以简单检索方式下的检索词推荐为突破口,设计一套原型系统,验证检索词的推荐效果并在原型系统上检验一种改进的BWP方法的效果。     

基于共现分析的语义信息检索研究

提高信息检索系统的用户体验度可以从查询优化的算法和增强可视化展示的研究等方面入手。本文利用文献调研、共现分析和构建本体等方法,设计基于共现分析的语义信息检索和流程,并利用武汉大学图书馆的书目检索系统中"世界考古"类目的数据进行实验分析。经过文献调研发现,目前语义信息检索主要集中在基于本体的查询技术、语义标注问题和语义关系检索等方面的研究,语义信息检索目前只能做到表层相关的检索。构建的基于共现分析的语义信息检索模型包括规范器、分析器和本体构建器三个部分,其中分析器是本模型的核心。经过实验分析发现共现分析可以应用于语义信息检索,并比较得出基于共现分析的语义检索比传统检索更具人性化、引导性。     

基于LDA和社会网络中心度的研究生个性化检索推荐模型研究

[目的/意义] 为了解决研究生用户面临的检索问题,提出一种基于LDA和社会网络中心度分析的个性化检索推荐模型。[方法/过程] 首先,该模型以研究生学科专业为个性化特征,并据此选择相应的数据源。其次,该模型使用LDA识别主题内容,以完成全面知识的展示。再次,该模型根据用户提交的检索词在相应的关键词-主题共现网络中进行社会网络中心度分析,以完成用户相关知识的推荐。[结果/结论] 实验表明,该模型能够很好地解决研究生检索中个性化特征、全面知识展示以及相关知识推荐三大问题,其有效性得到一定程度的验证。     

一种基于加权网络和句子窗口方案的信息检索模型

经典的信息检索模型在文档表示上多采用词袋模型,与此不同,本文提出了一种基于加权网络的信息检索模型.在这一模型中,文档被表示为一个加权共词网络,词汇在文档中的重要性通过词项节点在网络中的重要性加以衡量.基于固定窗口平移和句子窗口方案,本文提出了文本游走模型Textrank的四个检索模型变种,分别是Win_Weighted_Textrank、Sent_Weighted_Textrank、Win_Weighted_Posrank和Sent_Weighted_Posrank.在Reuter RCV1上的实验证明,与无权网络模型Textrank、Posrank相比,本文提出的模型能显著地提升检索效果.     

基于CSSCI本体的知识检索服务平台构建及应用

现有的CSSCI信息服务系统只能提供单一、线性的检索功能,检索效果不佳,主要原因在于后台数据组织的不合理。为此,提出使用基于本体的知识服务平台代替现有CSSCI检索服务系统的解决方案,提供知识层次的服务,以改善用户的检索环境。在提出基于本体信息检索系统一般模式的基础上,设计一个实用的基于CSSCI_Onto的知识服务平台KRSP_CSSCI_Onto,对该平台的基本功能和系统框架进行探讨,并据此开发一个试验性的知识检索系统,详细阐述本体在知识检索服务中的具体应用,包括用户检索式的语义扩展,查询结果的关联知识推荐,基于学术资源网络模型的知识导航以及基于规则库的知识关系检索等。     

学术文献的非主题特征及其意义

主题检索一直是信息检索系统也是信息检索研究的重点,但文献的非主题特征的研究与利用没有受到足够的重视.文献的非主题特征指与文献相关,但与其主题内容或语义没有直接或必然联系的特征.笔者尝试较系统地归纳文献的非主题特征,并基于信息需求研究、信息查找与利用行为研究的有关理论,分析非主题特征对于信息检索理论与实践的意义,并通过基于非主题特征的网络中文学术文献识别系统(NSIRS)的设计与评价,验证其可行性与效果,分析了当前一些信息检索系统的非主题检索功能与特色.     

基于共现词分析的专业科技信息平台用户画像主题标注方法改进

在海量信息的背景下,用户画像是实现对用户精准推荐服务的有效工具。科技信息用户画像的关键环节是根据用户关注的文献信息进行主题词抽取。文献主题词抽取的质量直接影响用户画像以及基于用户画像的内容推荐的精准度。鉴于目前常用的文献主题词抽取方法存在高维特征表征稀疏、泛化能力差、易用性受限等问题,提出基于文本共现词分析与TextRank算法的主题特征抽取方法。用该方法对农业科技信息平台用户关注和浏览的文献数据进行主题抽取,将获得的核心特征词作为用户画像的标注主题词,并据此构建用户主题推荐表达式进行文献推荐效果验证。结果显示,采用该方法的文献推荐准确率为93.3%,显著优于高频词法（70.4%）、共现词分析法（74.1%）和TextRank算法（77.8%）,表明改进的文献主题词抽取方法在农业信息用户画像及信息推荐服务中具有很好的应用前景。     

基于VR技术的高校红色文献资源推荐服务建模与实践研究

高校图书馆开展红色文献资源推荐服务对于增强读者用户的文化自信,增进国家认同感,促进当代社会稳定协调具有非常重要的教育意义。作为针对用户服务设计的有力工具,虚拟现实技术（VR）为大数据环境下高校红色文献资源推荐服务提供了全新的发展思路与技术保障,论文借鉴VR技术相关应用实践成果,在高校文献资源推荐服务基础上建立由红色文献资源推荐服务用户信息获取模块、资源VR处理模块、资源匹配模块及资源信息展示模块组成的四层混合式红色文献资源推荐服务流程模型,并从特征数据关联、情景模式模拟、用户兴趣爱好三个具体方面进行了场景应用探讨,最后总结了西北工业大学图书馆基于VR技术红色文献资源推荐服务实践活动开展情况,为信息时代背景下高校红色文献资源推荐服务提供借鉴。     

基于Internet网络文献信息检索研究

基于Intemet网络文献信息检索是整合各个学科领域的资源、工具和服务，依托于因特网为用户提供信息检索和服务的网站系统，是伴随着因特网的飞速发展而出现的。本文就基于Internet网络文献信息检索问题加以讨论，对网络文献信息源种类以及文献资源检索进行较深入的研究。     

基于三词共现分析的学者主要研究兴趣识别及个性化外文推荐服务的实现1

本文首先提出了一种三词共现分析方法,介绍了它的基本结构和特点,并据此提出了三词有序共现对的概念,同时还说明了获取映入词和紧密环的方法.然后,文章重点阐述了如何利用该三词共现分析方法来识别学者主要的研究兴趣特征.在上述研究的基础上,文章随后介绍了一种个性化外文推荐服务的实现方法,对其中外文文献数据的收集处理、规范处理及其推荐策略都进行了详细说明.最后,文章对相关测试实验及其改进效果做了必要的说明.     

科技文献跨语言推荐模型研究

信息超载和语言障碍影响我国科研人员对外文科技文献的有效获取,如何提高获取效率成为亟待解决的问题。个性化推荐能很好地处理信息超载现象,但当前国内外相关研究都基于单一语种进行,多语种环境下的推荐研究非常缺乏。本文提出网络环境和海量数据背景下的科技文献跨语言推荐模型,并论证用户兴趣特征抽取、语言转换和混合推荐等步骤。利用Web日志挖掘技术,分析基于多种信息行为的整合分析方法抽取用户兴趣特征,以分类表作为参考体系建立用户兴趣表示模型,在用户—特征词转化为用户—类目矩阵的基础上开展推荐研究。     

图书情报领域人工智能的研究热点及发展趋势研究

[目的/意义]搜集和分析国内外图书情报领域人工智能研究的相关文献,以期了解人工智能在图书情报领域目前的研究进展及未来的研究趋势,为学术界和产业界的研究提供借鉴和启示。[方法/过程]运用文献分析和知识图谱可视化方法,对国内外图书情报领域人工智能研究的起源和发展、国内外研究热点及未来研究趋势进行对比和可视化分析。[结果/结论]从研究发展趋势看,国内外相关研究成果的数量呈逐年递增态势。从研究热点看,国外研究主要围绕人工智能在信息检索、社交媒体内容分类及情感分析、知识问答方面的应用研究;国内研究主要围绕人工智能在网络舆情分析、图书馆智能搜索和推荐服务、社交媒体网络数据分析方面的研究。从研究趋势看,未来研究应围绕人工智能技术应用在视觉搜索和语义搜索、智慧图书馆服务、社交网络数据挖掘、人工智能对隐私与安全的影响4个主要方向来开展研究。     

科技文献查询推荐系统设计

针对已有科技文献查询方法往往会遗漏"特征字符不同、但语义相似"的推荐对象的问题,从特征词语义角度研究用户兴趣偏好、科技文献特征的表示方法;提出考虑语义的科技文献与用户兴趣偏好相似性度量方法。在分析个性化科技文献查询推荐业务流程的基础上,设计个性化科技文献查询推荐原型系统ALRS,介绍ALRS的设计思路、功能模块;分析该系统核心算法CGR算法的关键数据结构;详细讨论CGR算法中"基于概念泛化的相似性度量方法"的设计思路,并给出实现该原型系统的核心代码及执行示例。     

移动图书馆用户查询式构造行为分析

[目的/意义] 揭示移动图书馆用户的查询式构造行为特征,并为移动图书馆的检索功能改进提出建议。[方法/过程] 采用系统日志挖掘法,根据某高校移动图书馆为期一个月的用户日志,通过统计分析方法,利用互信息值、查询式多样性、查询式丰富性、学科分布、持续时间等指标考察移动图书馆用户的查询式关联性、查询重构模式、查询式主题等方面。[结果/结论] 移动图书馆用户的查询式互信息值普遍较低,即查询式在内容上的关联性较弱;重复模式和直线模式是最常见的重构模式,即移动图书馆用户反复搜索同一查询式;移动图书馆用户的搜索兴趣集中在人文社科领域,用户对相同主题查询式的搜索行为具有持续性。建议增加查询推荐功能、自动纠错功能和高级检索功能,以提高移动图书馆检索服务的查全率和查准率。     

学术查询意图类目体系构建与分析:百度学术查询日志的实证

[目的/意义]了解、分析和识别用户学术搜索时所表达的信息需求是优化查询结果、提高学术搜索引擎用户体验的首要步骤,而用户进行学术搜索时通过查询表达式所表达的用户表意信息需求及潜在信息需求可称之为学术查询意图。本文总结学术查询意图类目体系有助于学术查询意图识别和检索结果页面的呈现。[方法/过程]在A.Broder的查询意图类目体系的基础上,结合百度学术搜索查询日志中查询表达式实例,构建学术查询意图的类目体系。以此为基础,总结不同类别的学术查询意图,并分析不同类别学术查询意图下查询表达式的特点。[结果/结论]学术查询意图主要分为学术文献类、学术实体类、学术探索类、知识问答类和非学术文献类五大类;得出不同类别学术查询意图在学术搜索中的大致比例;给出每类学术查询意图的查询表达式特征、查询情景和查询结果页。     

网格信息检索体系结构分析

简要介绍网格信息检索的相关概念及服务内容,针对单一索引和查询处理机制所导致的传统信息检索系统各组件必须同步工作的问题,基于OGSA体系架构,构建支持分布式计算的接口模块,实现网格环境下的异步检索。为满足网格检索系统的安全性,引入虚拟组织策略域,通过OGSA的安全层保证在虚拟组织中获取目标资源,从而实现对资源的协调共享和使用。     

基于深度学习算法的学术查询意图分类器构建

[目的/意义]实现学术查询意图的自动识别,提高学术搜索引擎的效率。[方法/过程]结合已有查询意图特征和学术搜索特点,从基本信息、特定关键词、实体和出现频率4个层面对查询表达式进行特征构造,运用Naive Bayes、Logistic回归、SVM、Random Forest四种分类算法进行查询意图自动识别的预实验,计算不同方法的准确率、召回率和F值。提出了一种将Logistic回归算法所预测的识别结果扩展到大规模数据集、提取"关键词类"特征的方法构建学术查询意图识别的深度学习两层分类器。[结果/结论]两层分类器的宏平均F1值为0.651,优于其他算法,能够有效平衡不同学术查询意图的类别准确率与召回率效果。两层分类器在学术探索类的效果最好,F1值为0.783。     

个性化跨语言学术搜索技术研究

学术搜索引擎是一种行业化的搜索引擎,但因其缺乏个性化的服务,使得用户的学术文献检索效率低下,海量的数字学术资源得不到充分利用.本文使用Google翻译,研究基于机器翻译的中、英、俄、法和西班牙等五个语种跨语言学术检索.在跨语言学术搜索的基础上研究个性化检索技术,提出一种基于聚类的个性化信息检索方法:通过观察用户对搜索结果聚类的点击行为,生成并更新用户实时兴趣模型,采用余弦夹角公式计算用户实时兴趣模型与搜索返回结果的相似度,根据相似度大小,为用户提供个性化重排序的搜索返回结果.实验结果证明了提出方法的有效性.     

Modeling users’ search sessions for high utility query recommendation

Query recommendation has long been considered a key feature of search engines, which can improve users’ search experience by providing useful query suggestions for their search tasks. Most existing approaches on query recommendation aim to recommend relevant queries, i.e., alternative queries similar to a user’s initial query. However, the ultimate goal of query recommendation is to assist users to reformulate queries so that they can accomplish their search task successfully and quickly. Only considering relevance in query recommendation is apparently not directly toward this goal. In this paper, we argue that it is more important to directly recommend queries with high utility, i.e., queries that can better satisfy users’ information needs. For this purpose, we attempt to infer query utility from users’ sequential search behaviors recorded in their search sessions. Specifically, we propose a dynamic Bayesian network, referred as Query Utility Model (QUM), to capture query utility by simultaneously modeling users’ reformulation and click behaviors. We then recommend queries with high utility to help users better accomplish their search tasks. We empirically evaluated the performance of our approach on a publicly released query log by comparing with the state-of-the-art methods. The experimental results show that, by recommending high utility queries, our approach is far more effective in helping users find relevant search results and thus satisfying their information needs.     

文献收藏机构的展览研究综述——博物馆学关联性研究的引入和影响

近年来,展览作为文献收藏机构信息利用和创新服务的一大亮点,以视觉化、生动性和体验感等特点吸引了广大受众,逐步成为其核心业务并呈现出广阔的发展前景。但不少展览仅是将文献直接作为展示对象或嵌套至通史展中,文献最具价值的内蕴信息并未获得解读、转化和呈现,导致展览在信息利用和创新服务上,收效实际并不显著。鉴此,本文将突破博物馆的研究边界,将不同收藏机构的文献展览作为研究对象,对散落至不同机构、不同学科的文献展览研究进行学术史爬梳,并于此基础上开展研究动态的分析和研究空间的寻绎,以期发现研究空间中可能的关键问题,主张引入博物馆展览领域的关联性研究,从博物馆学既有成果中获得有益启发,为聚焦与探讨文献展览共性问题奠定较为客观的基础。