上瘾模型视角下图书馆短视频运营策略探究--以抖音为例

文章以国内活跃用户规模最大的抖音平台为例,引入互联网产品设计理论的上瘾模型,参考抖音平台的推荐算法机制,针对当下图书馆短视频运营的现状和问题,提出基于推荐算法和用户知识焦虑的用户触发、把握用户动机同时降低能力门槛、设计以猎物酬赏为主的多变酬赏,以及通过内容价值与运营技巧吸引用户投入等运营策略。     

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.     

基于属性值偏好矩阵的协同过滤推荐算法

传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战.针对上述问题,提出了基于属性值偏好矩阵的协同过滤推荐算法,首先采用奇异值分解(SVD)对用户-项目评分矩阵降维得到目标用户的初始邻居用户集,生成新的用户-项目评分矩阵;然后将用户评分映射到相应的项目属性值上,生成每个用户的属性值偏好矩阵,并基于属性值偏好矩阵进行用户相似性度量,从而缓解了评分数据稀疏性;将新项目的属性值与用户的属性值偏好矩阵进行匹配,从而找出匹配度最高的前N个用户作为新项目的推荐受众.实验结果表明了该算法的有效性.     

以豆瓣网和中国国家图书馆为案例的网上书目推荐系统研究

现有网上书目推荐系统根据应用服务理念的不同可以分为Web2．0型和传统型,根据其使用的过滤技术可以分为非个性化推荐、基于产品属性的推荐、基于相关用户的推荐和基于用户知识结构的推荐。书目推荐的开展应当遵循针对性、可行性、时效性这三个原则。本文通过对豆瓣网和中国国家图书馆的网上书目推荐服务的调查,从有用性、易用性、满意度、可找到性、普及性和可靠性六个方面对它们进行了比较,概括了传统型网上书目推荐系统的优势和改进意见。     

基于语义扩展的个性化知识推荐系统

构建个性化知识推荐系统是数字图书馆实现个性化信息服务的有效手段,推荐服务的关键在于完整地理解用户偏好并能准确作出判断。提出了一种基于语义扩展的知识推荐方法,通过分析读者文献检索、浏览的行为提取读者偏好,利用扩展激活模型建立读者偏好档案,据此对文献资源进行匹配和分级,从而向读者提供个性化的知识推荐服务。     

信任模型及其改进研究

在分析现有信任模型不足的基础上,提出一个改进的信任模型。改进后的信任模型增加了事务因素,并通过一系列函数来描述信任,为协同与安全决策提供依据。同时将信任值区间扩大,增加实体表达自身认知的方法,使得信任度连续化,可以更加有效地解决信任管理问题。     

数字图书馆中的检索结果聚类和关联推荐研究

探讨如何在数字图书馆的文献检索平台中集成实现检索结果聚类、相关文献的关联推荐、相关作者和研究机构的关联推荐以及相关词语的关联推荐,由此帮助用户全面提高查准率和查全率,并且对聚类和推荐结果采用图形进行可视化展示,进一步提高用户的使用满意度。     

基于本体构建的协同推荐研究

通过构建领域本体,利用用户兴趣与领域本体中概念的映射关系,构建用户兴趣本体,发掘用户兴趣模式。研究用户兴趣本体相似度的计算方法,并通过用户兴趣相似度进行垂直加权,通过时间新颖度进行水平加权,从而利用改进的加权关联规则挖掘算法对用户感兴趣的领域本体中的概念进行挖掘,实现面向内容的协同推荐。