数字图书馆个性化服务中用户信息行为的收集与分析

数字图书馆个性化服务是以分析用户的信息行为为基础的，本文探讨了数字图书馆提供个性化服务过程中用户兴趣的获取与分析，各种信息获取方式的优缺点，以及分析用户信息行为时应该注意的问题。     

知识图谱视角下我国图书馆个性化推荐研究趋势分析

以CNKI数据库为数据来源,以"图书馆"与"推荐"为组合主题进行检索,使用CiteSpace软件分析文献信息,通过构建关键词共现网络、聚类视图及时区视图等知识图谱反映研究现状及热点;在全景展示的基础上进行深入解析,从图书馆资源建设、服务创新、技术实现3个角度探讨图书馆个性化推荐研究的发展趋势,并提出相应建议,以期为我国图书馆个性化管理与服务提供借鉴。     

基于Ontology的个性化检索

目前检索工具的设计大都面向所有用户，而不考虑用户个人的特殊信息需求。本文提出一种基于Ontology的个性化检索方法，该方法自动学习用户查询的历史记录，构建用户兴趣模型，以此推导用户新提问的真正意图，满足用户特殊的信息需求。该方法适用于Internet特定领域或者特定用户群、企业网等智能信息检索。     

从淘宝网看图书馆人性化信息服务

简要分析了淘宝网在商品分类组织、个性化信息推送、交互式问答平台等方面的特点,论述了图书馆在开展人性化信息服务时应借鉴淘宝网的一些成功经验。     

基于图书馆2．0的个性化信息服务模型研究

文章在对图书馆2．0的相关技术及个性化信息服务相关理论进行研究的基础上,尝试看建立一种基于图书馆2．0的个性化信息服务模型,以实现基于图书馆2．0的个性化信息服务,进而满足信息用户个性化的信息需求。参考文献6。     

SocConnect: A personalized social network aggregator and recommender

Users of Social Networking Sites (SNSs) like Facebook, LinkedIn or Twitter, are facing two problems: (1) it is difficult for them to keep track of their social friendships and friends’ social activities scattered across different SNSs; and (2) they are often overwhelmed by the huge amount of social data (friends’ updates and other activities). To address these two problems, we propose a user-centric system called “SocConnect” (Social Connect) for aggregating social data from different SNSs and allowing users to create personalized social and semantic contexts for their social data. Users can blend and group friends on different SNSs, and rate the friends and their activities as favourite, neutral or disliked. SocConnect then provides personalized recommendation of friends’ activities that may be interesting to each user, using machine learning techniques. A prototype is also implemented to demonstrate these functionalities of SocConnect. Evaluation on real users confirms that users generally like the proposed functionalities of our system, and machine learning can be effectively applied to provide personalized recommendation of friends’ activities and help users deal with cognitive overload.     

基于改进LDA-FCM的UserCF知识推荐研究

针对传统知识推荐算法存在的语义缺失和精准性低问题,提出一种基于改进LDA-FCM的知识推荐算法。首先获取用户知识文档,采用主题优化的LDA模型挖掘用户知识主题。继而通过FCM算法将用户聚类,缩小相似度计算的遍历范围,并采用JS散度代替欧氏距离,实现FCM对象到用户的转换。最后基于UserCF算法构建用户对知识的兴趣指数并进行TOP-N推荐。爬取中国知网500篇期刊论文实测发现,与传统UserCF算法相比,改进算法的准确率、召回率和F1值分别提高了22.35%、55.92%、49.06%。     

协同过滤算法改进及研究

针对协同过滤中存在的稀疏性问题,提出改进方法——BAS算法。该算法结合贝叶斯度量方法和奇异值降维分解方法,利用传统的基于奇异值分解获得活跃用户的邻居,通过改进后的相似性度量方法得出预测值。对改进后的算法进行理论分析和实验对比。结果表明,该方法在所用数据集上能够有效缓解数据稀疏性问题,并且改善推荐精度的准确性,在一定程度上提高了推荐引擎的推荐质量。     

中国远程教育的新视角:远程农村教师教育

从令人痛楚：中国农村教师教育现状；当务之急：加大农村中小学教师培训力度；快捷高效：中国远程教师教育特色；迫切需求：中国农村开展远程教师教育等4个方面对农村教师教育问题进行了研究，提出了改变当前我国农村教师教育现状的若干思考和对策，对我国在新世纪充分发挥现代远程教师教育手段开展农村教师教育作出展望。