共查询到20条相似文献，搜索用时 15 毫秒
1.
【目的/意义】研究从用户节点和网络全局两个视角出发,基于用户相似度与信任度对虚拟学术社区中学者
进行推荐,提高学者推荐的质量。【方法/过程】首先,利用 LDA 主题模型挖掘学者发表的博文主题,计算博文相似
度;通过学者共同好友比例计算好友相似度;然后将博文相似度和好友相似度融合计算用户相似度;最后,融合用
户相似度和信任度进行学者推荐。【结果/结论】提出虚拟学术社区中基于用户相似度与信任度的学者推荐方法,综
合利用用户节点和网络全局信息,为虚拟学术社区用户进行学者推荐。【创新/局限】从用户节点和网络全局两个角
度进行学者信息融合,有效提高了虚拟学术社区中学者推荐的质量。局限在于本文主要考虑的是学者在网络全局
中的信任度,用户节点间的交互信任关系还有待进一步研究。 相似文献
2.
[目的/意义]在开放的知识交流环境中向学者推荐具有相似研究兴趣的学者有助于学者高效获取到所需的学术资源,更好地开展学术研究和学术交流。[方法/过程]首先利用LDA主题模型提取学者的科研兴趣特征,同时引入时间因子加权兴趣特征,形成学者动态兴趣矩阵,基于此使用K-means对具有相似研究兴趣的学者进行聚类分析,并在类簇内综合学者的科研能力和社交属性两个维度构建学者推荐模型。[结果/结论]以“百度学术”数据集对模型进行验证,实验结果表明该模型能够很好地发现相关学者,满足可操作性和推荐结果有效性。在学者推荐过程中引入更贴近现实的动态兴趣特征对推荐结果具有一定效果。 相似文献
3.
[目的/意义] 从关键词语义类型和学术文献老化两个维度出发挖掘学术论文价值,为学者推荐符合其研究需求并在时间维度上具有较大参考意义的学术论文。[方法/过程] 首先,将学术论文关键词按语义类型进行划分|随后,基于共现关系计算同类型关键词间相似度,基于关键词相似度得到论文在语义类型上的相似度|然后,借用文献老化思想,计算不同类型论文的时间价值|最后,结合论文在语义类型上的相似度及时间价值,生成论文推荐列表从而进行推荐工作。[结果/结论] 实证结果表明,使用该方法推荐的论文,一方面与学者研究方向相符|另一方面在时间维度上也具有较大价值,推荐的论文质量较高。 相似文献
4.
[研究目的]探究了科技人才在获得资助前后学术影响力的变化,为治理“唯奖项”人才评价的对策提供启示,对科学合理和切实可行的人才评价标准的制定具有重要意义。[研究方法]以上海地区高校获得国家自然科学基金重点项目的学者为研究对象,基于时间间隔的学者学术影响力评价参数pr(y)指数建立学者整体和个人的学术影响力的时间序列。利用双节点分段线性回归模型研究了首次获得国家自然科学基金和首次获得重点项目两个关键节点前后学者的pr(y)指数曲线趋势特征,实现了双关键节点下学者学术影响力的精准评价。[研究结论]国家自然科学基金资助对学者整体和大部分学者个体的学术影响力起到促进作用,双节点分段线性回归模型结果将学者学术影响力表现分为10类,清晰准确地描述了双关键节点下学者学术影响力上升、下降的动态变化过程。 相似文献
5.
[目的/意义]将情境感知技术引入图书馆以提高服务的智能化，已成为数字图书馆的发展趋势之一。为了提高情境感知模型中推荐结果的准确度。[方法/过程]本文研究并提出了一种融合了朴素贝叶斯算法与情景感知功能的协同推荐模型，并通过实验对推荐效果进行了评估。具体为：首先，获取用户的当前任务和情景信息，同时提取历史信息库用户的行为偏好；其次基于属性加权贝叶斯算法计算用户的行为相似度，继而进行协同推荐；通过计算目标情景中所有情景属性对所推荐资源的影响的权值，对协同推荐所得评分进行加权处理，形成最终的预测预测；最后通过实验对模型进行检验。[结果/结论]结果表明：使用该模型得出的推荐结果优于传统的协同推荐结果。因此该模型能够更好地为为个性化信息服务提供支持。 相似文献
6.
[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。 相似文献
7.
【目的/意义】研究科研社交网站中的学者推荐有利于增强学术合作、提升科研人员学术交流,对科研工作
具有深远意义。【方法/过程】从学者知识结构和学术行为网络两个维度出发,构建基于相似兴趣的学者推荐模型,
挖掘分析学者知识结构特征、学者间合作网络、机构间合作网络关系,计算学者在这三个层面上的相似度并进行整
合实现学者推荐。最后以百度学术学者主页数据为例验证模型的可用性与有效性。【结果/结论】结果表明:模型能
够有效解决科研社交网站信息过载和不对称的问题,满足可操作性和推荐结果有效性。 相似文献
8.
【目的/意义】构建基于用户动态画像的学术新媒体信息精准推荐模型是满足学术新媒体用户对学术信息
资源精准化、个性化与专业化的要求,同时也是提高学术信息流转效率以及价值增值的有效途径。【方法/过程】在
探究学术新媒体信息流转模型的基础上,进一步分析学术新媒体用户需求与分层画像,重构学术新媒体用户画像
步骤,构建基于用户动态画像的学术新媒体信息精准推荐模型。【结果/结论】基于用户动态画像的学术新媒体信息
精准推荐模型能够实现学术信息资源与用户的精准对接,提升用户忠诚度,更好地服务科研工作者的学术活动。
【创新/局限】从理论框架角度分析与构建学术新媒体信息推荐模型,后续将重点研究模型的技术实现与实践应用。 相似文献
9.
[目的/意义]从用户相似度计算和用户反馈双重视角出发,进行高质量用户推荐,有利于提高网络知识社区个性化推荐水平。[方法/过程]首先基于爬虫工具和Python包进行用户属性数据采集和分析,以计算用户之间的背景、社交关系、博文信息的综合相似度;然后再计算用户核心度,基于相似度矩阵和核心用户排名形成待推荐列表;最后引入用户反馈机制,并根据用户的正负反馈结果确定最佳Top-k好友。[结果/结论]融入用户反馈的好友推荐模型能够提高推荐用户的质量,有效地提高好友推荐水平,也验证了好友推荐是一个逐步修复的过程。 相似文献
10.
[目的/意义]交叉学科内的学术影响力评价是科学计量领域的重要研究内容,其对探究跨学科知识融合趋势及科研人员影响力的测度与评价等具有十分重要的意义。当前的影响力度量方法普遍存在着论文引用的载体单一化、传播单向化,并且没有考虑学者领域交叉程度等问题。[方法/过程]通过提取学者自身的领域信息特征,把影响力双向传播引入论文引用网络中,提出了一种融合论文引用传播与学者信息传播的交叉领域学术影响力识别方法(IPCSI),该方法首先通过量化t时刻节点文献的学科交叉度,构建学者—论文交叉度矩阵,在此基础上将引证文献对节点文献的引用传播作为影响力连边,计算t+1时刻引文因子向量,利用图上排序算法实现学术影响力的后向引文传播。其次,从学者间合著领域相关性视角,通过增加以学者自身为传播载体的学者影响力连边,计算t-1时刻学者因子向量,模拟该时刻下学术影响力的前向信息传播。最后,通过同时建模论文引文传播与学者信息传播,客观再现学术影响力的前序与后序传播过程,并采用调和计量方法分配学术贡献度,最终完成学者影响力双向传播的量化分析。[结果/结论]在真实数据集上验证了IPCSI方法的有效性与可行性,实验结果表明通过... 相似文献
11.
[目的/意义]作为科研人员知识获取、交流与利用的重要场所,虚拟学术社区资源具有数量多、价值高等特征,探索智能问答服务在社区的理论、方法与应用,对推动学术资源高效检索与利用,促进知识服务创新具有重要意义。[方法/过程]梳理虚拟学术社区研究现状与目前知识服务存在的不足,联合双向长短期记忆网络(BiLSTW)、文本相似度等技术作为支撑,基于注意力机制的CNN的智能问答方式构建学术社区内资源的智能问答模型,增加注意力分支以抽取细粒度特征,提高检索速度,提升科研效率。[结果/结论]智能化技术的应用实现学术资源的深度聚合,实现传统信息交互与智能化新技术的协同发展,提升了学术资源利用率,扩大信息资源共建共享。 相似文献
12.
[目的/意义]从用户角度,通过用户评价内容挖掘构建形成网络学术信息资源评价模型,为网络学术信息资源评价提供一个新的视角,并为其更进一步深入研究奠定基础。[方法/过程]文章在利用爬虫工作自动抓取三个知名学术网站用户评论的语料库基础上,运用数据挖掘研究方法对评论数据进行分词、聚类,根据词间与词对关系,构建形成评价体系模型。[结果/结论]基于用户评论挖掘构建形成涵盖资源内容属性、资源外部特征、网络功能属性、获取过程、用户体验五个维度的网络学术信息资源评价体系模型。该体系模型反映出科学用户在利用新兴网络学术信息资源过程中对资源自身属性和平台规范性的关切,是用户与利用正式学术信息资源的本质区别。 相似文献
13.
[目的/意义]用户需求研究对我国信息机构开展东盟信息资源建设与服务具有重要意义。[方法/过程]立足国家“一带一路”倡议,构建东盟信息资源用户需求模型,通过数据采集、信息处理、建立多维度用户需求标签,全面分析用户需求与偏好。[结果/结论]借助东盟信息资源用户需求模型,实现明确机构定位、指导资源建设、服务精准营销、资源协同推荐,对用户需求进行有效管理。 相似文献
14.
[目的/意义]为提高知识付费平台用户感知服务质量,文章构建了融合用户画像与协同过滤的个性化推荐模型。[方法/过程]首先根据用户特性构建画像标签体系,利用TF-IDF、熵值法、k-means等方法确定用户特征标签;其次分别基于用户画像与改进后的协同过滤算法计算用户相似度,通过调和权重得到用户综合相似度;最后利用Top-N进行个性化推荐。[结果/讨论]通过知乎live付费用户信息进行验证,发现本文算法在推荐结果的准确率以及召回率上,相比其单一方法均有较大提升,且满意度高于知乎live平台。 相似文献
15.
【目的/意义】如何将网络文物信息资源中不同的知识提炼后推荐给有关用户,是文物信息资源开发与利用
过程中的关键问题。【方法/过程】通过主题-知识关联模型构建文物知识网络并识别网络中文物信息资源文本中的
主题词,而后根据知识及主题词的重要性对耦合后的知识进行重要性排序,按照知识与主题的关联程度实现文物
信息资源的知识推荐。【结果/结论】在实验中实现了不同网络文物信息资源的知识推荐,对比了不同数量主题词下
知识发现的效果,发现该方法在学术型文物信息资源的知识发现与推荐中效果较好。【创新/局限】利用知识库与信
息资源内容构建知识网络,通过计算网络节点的重要性进行知识推荐,为文物信息资源的利用提供了新的方法。
但受制于知识库知识储备的影响,可能无法挖掘信息资源的知识全貌。 相似文献
16.
[目的/意义]构建以用户借阅行为画像为导向、与馆藏图书资源画像内容挖掘相结合的精准阅读推广模式,进而有效地推广阅读。[方法/过程]基于江苏省公共图书馆大数据服务平台,以2021年某市公共图书馆7 728名读者、84 754条借阅数据为研究对象,借助Excel、FineBI和微词云等工具,分析读者的历史行为数据建立用户借阅行为画像,同时采取结合图书特征和资源标签的方法建立资源画像,在此基础上进行图书推荐。[结果/结论]根据用户画像和资源画像的特征相似度进行推荐图书,可以提高阅读推广服务精准化和增加用户黏性。 相似文献
17.
[目的/意义]针对在线旅游平台,提出一种挖掘游记主题标签,以代表性游记以及其中相关内容进行旅游信息推荐的新策略。[方法/过程]在利用文本挖掘技术,构建LDA主题模型,形成游记文本主题标签的基础上,通过游记代表度算法,筛选出针对相应标签的高描述度与高忠诚度游记进行旅游信息推荐,以客观表达文本聚类结果以及主题词之间的语义关系,并以蚂蜂窝旅游网中的"杭州游记"为例,加以验证。[结果/结论]结果表明,这种方式能挖掘出旅游者在历史旅游经历中真实的旅游热点及重点信息需求,针对高相似度游记的识别与聚类具有良好效果,对旅游信息细粒度推荐具有指导意义与实践意义。 相似文献
18.
本文从信息资源建设视阈下进行了高校课程资源的整合和建设,以期实现高校课程的定制和推荐。本文从信息资源建设的实用性、系统性和共享共建原则角度出发,建立了高校课程定制与推荐的模型,以期当学生输入一套课程序列时,自动为每个学生提供一套满意度最高的课程方案。该模型由数学模型和问卷补充两部分组成。本文以北京大学本科生课程为例,手工筛选出理工类、社会科学类和人文科学类共84对可能具有较高相似性的课程,利用其在北京大学教务部网站上提供的中文名称和中文课程简介,基于统计学原理进行分词,利用向量空间计算出课程相似度,并利用人工问卷的方式对课程相似度的评判调优。 相似文献
19.
20.
【目的/意义】大数据情报分析和知识服务时代,如何快速高效地从海量文献中获取情报并实现精准的文献 个性化推荐,是文献推荐个性化服务亟待解决的问题。【方法/过程】对文献个性化推荐模型进行研究,通过专家权 重维、用户维以及情境感知维三个维度的协同,识别用户的兴趣点。推荐模型使用层次分析法和熵权法量化专家 意见;使用潜在狄利克雷分布和KL散度计算量化用户相似度;通过用户社会标注行为、搜索行为、浏览行为得到用 户情感倾向,并引入时间因子量化用户情感;最后引入“最大频度值”确定各个维度的推荐指数,加权计算得到文献 综合推荐指数。【结果/结论】以高校图书馆为实验平台,对本文提出文献个性化推荐方法进行验证。实验结果表 明,与传统的基于内容的推荐方法、协同过滤推荐方法以及混合的推荐方法相比,基于三层维度的文献个性化推荐 方法在准确率与召回率上都取得了更好的性能。 相似文献