动态馆藏组织机制剖析

动态馆藏组织是一种基于利用读者信息来服务于读者的理念,其核心就是挖掘读者信息运用到馆藏组织中,其机制是以三线典藏为基础而形成的,发挥三线典藏制优势,形成动态的、流动的馆藏,提高馆藏资源利用率。动态馆藏组织应遵循科学原则、藏以致用原则、可操作原则和时效原则,通过读者调研、馆藏数据统计和分析并设立动态典藏调配岗等实践活动,探讨动态馆藏数据在实际工作中的运用问题。．     

体力活动与健康的剂量—效应关系研究进展

进行规律性的体力活动有利于提高健康效益、降低疾病风险,大量的研究证实了体力活动与健康之间存在着剂量-效应关系.从体力活动概念,历史演变过程,体力活动量的各单因素(量、强度、频率、时间)等方面概述了体力活动与健康之间的剂量-效应关系.通过历史回顾厘清了体力活动中“剂量”这一概念由“体力活动总量→业余时间运动量→运动量单因素”的演化过程,对建立在剂量-效应理论基础上的运动推荐量的发展做了详细的论述,并深入探讨了运动量、强度、频率、持续时间各单因素与健康之间可能存在的剂量-效应关系曲线模型特征.     

实现安徽农村跨越式发展的政策建议

当前,安徽省农村发展相对滞后,主要原因有：特殊自然条件、复杂历史因素制约安徽农村发展后劲;城乡二元结构的体制障碍使安徽付出巨大牺牲;长期的＂汲取＂型农村行政管理体制使安徽县乡政府负债严重;安徽农村市场经济的微观基础尚未形成;农业支持力度弱,农业政策乏力等。因此,实现安徽农村跨越式发展,一是建立健全＂反哺三农＂的体制机制,激发农业政策活力;二是完善农村基本经营制度,促进现代农业发展;三是创新农村公共服务和社会管理体制机制,扶持农民自治组织发育;四是构建农村劳动力转移培训就业和培养新农民的体制机制。     

基于用户模式聚类的协同过滤个性化推荐方法

最近邻协同过滤常用的计算用户访问行为相似程度的距离函数仅是测定访问者对象在所有测试属性空间上的平均测定,而在属性集的子维空间上的相似模式并没有有效地挖掘出来,用户评分数据稀疏等问题使其推荐质量下降。针对这些问题,提出一种基于用户模式聚类的协同过滤推荐算法,该算法采用基于用户模式相似的子空间聚类方法产生聚类,并且利用模式相似度改进协同过滤,从而对用户产生个性化推荐。实验结果表明,该方法改善了推荐系统的效率和精度。     

科技人员薪酬激励状况的实证调查与政策建议-以江苏省徐州、扬州和常州三城市为例

摘要：薪酬是影响科技人员满意度的重要因素,进而影响了科技人员的工作绩效。在江苏省委组织部“333工程”课题组的《江苏省科技人员收入差距调查研究及政策建议》调查所得数据的基础上,分析了苏北（以徐州为例）、苏中（以扬州为例）、苏南（以常州为例）地区的科技人员的薪酬激励状况,对比分析了性别、区域等因素对科技人员激励薪酬的影响,得到了一系列富有启示意义的结论,最后提出了相应的政策建议。     

基于用户属性—关系相似度的好友推荐模型研究

[目的/意义]挖掘潜在好友关系并进行精准的好友推荐服务,已成为社交网络领域研究的热点,基于用户属性-关系相似度的好友推荐模型研究旨在增强用户忠诚度以及在线社区活跃度,提升社区的信息服务准确性和效率。[方法/过程]通过融合用户链接关系与属性特征,提出用户属性-关系相似评价体系;采用因子分析法,计算得出各项目权重以及综合得分;据此构建社交网络相似度矩阵,基于派系划分方法,对用户进行划分分区,最终实现好友推荐服务。[结果/结论]实验结果表明,运用派系划分的基于用户属性-关系推荐模型在推荐列表长度受限情况下的整体表现较优,有效提高推荐精准度。     

基于协同过滤的高校图书馆纸本资源智能推荐方法实证研究

[目的/意义]旨在为高校图书馆提高纸质资源采购质量与利用率提供参考。[方法/过程]基于用户画像的理论对不同用户进行多维度的刻画,利用机器学习中监督学习的方法,通过采用协同过滤的推荐算法对用户偏好特征做精细统计分析的定量化计算,并从用户需求的角度建立用户偏好同步变化的自适应优化在线学习的纸本资源推荐系统。[结果/结论]该研究从实证分析角度为用户实现精准的个性化纸本资源推荐服务,为高校图书馆纸质文献检索库实现智能偏好的检索功能,建立纸质文献检索库合理有效的动态更新机制,提升用户体验。     

基于SVM的在线医疗信息服务质量关键影响因素研究

【目的/意义】通过识别影响在线医疗信息服务质量的敏感因素,为互联网在线医疗信息服务企业实现技术与服务创新提供理论与实践依据,进而提升用户在线医疗信息服务质量。【方法/过程】以问卷调查法与专家访谈法等为基础融合信息增益理论分析各影响因素与在线医疗信息服务质量高低的关联程度,进而以提取的关键影响因素构建在线医疗信息服务质量关键影响因素模型,最后通过SVM构建在线医疗信息服务质量预测模型。【结果/结论】影响在线医疗信息服务质量的20个关键影响因素集中在信息生态的四个重要维度,即信息、信息任、信息技术与信息环境四个维度上,模型88.43%的预测精准度说明SVM对在线医疗信息服务质量具有可靠的预测能力。     

基于多源用户标签的跨域兴趣融合模型研究

【目的/意义】通过对大数据环境下的多源用户兴趣特征有效融合,缓解个性化推荐中用户兴趣偏好数据的稀疏性和准确性问题。【方法/过程】考虑到多域的数据权威度、内容质量及体系结构的差异化较为明显,提出了基于多源用户标签的跨域兴趣融合模型,首先把多个域中的用户兴趣进行标签化处理,然后利用跨域用户识别和标签权重归一方法得到多个域的用户实体-标签矩阵,最后使用域权重影响系数对标签进行融合,构造具有复合权重的用户兴趣标签集。【结果/结论】使用5个来源数据域进行实验与分析,融合模型能够有效提高标签用户覆盖效果,在查全率不断提高的情况,融合域能够保持较高的标签用户查准率,有效提高用户兴趣特征的描绘效果。     

可变多阶Markov链模型及在WWW个性化推荐中的应用

WWW个性化推荐问题是WEB挖掘的一个重要研究方向.针对传统的固定阶数的Markov链模型用于WWW个性化推荐问题的不足,提出可变多阶Markov链模型(Variable Multiple Order Markov Chain-VMOMC).VMOMC将用推荐目标网页概率值度量的可变多阶Markov链并行组合,组合模型中采用遗传算法确定各单阶Markov链模型的最优权重,在真实WWW站点访问日志数据上的实验结果表明:VMOMC与传统的定阶Markov链浏览推荐模型相比,具有较理想的推荐性能.