共查询到20条相似文献，搜索用时 15 毫秒
1.
【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
2.
[目的/意义]21世纪互联网技术的发展为学术研究提供了开放的交流平台，科研信息资源由此呈指数增长，学者难以从繁杂的信息中快捷获取所需信息，从而导致学术资源利用率低下。学术资源精准化、个性化推荐，成为了提高学术信息流转效率和实现价值增值的有效途径。[方法/过程]本文利用文献发表时间因子与文献语义相似度对异质信息网络进行加权，并基于此加权网络采用Node2vec进行有偏随机游走生成图节点序列，然后利用Skip-gram语言模型进行序列学习，最终计算节点向量的相似度以实现学术信息推荐。[结果/结论]以CNKI中的数据集为例对本文所提出的模型进行验证，实证结果表明，使用该模型推荐的论文与学者，一方面与目标学者的研究方向相符合；另一方面在时间维度上也较为精准，能够有效满足学者信息需求。 相似文献
3.
[目的/意义]基于社交网络用户短期兴趣和长期兴趣,挖掘用户不同时间窗口下长短期兴趣,能够提高用户兴趣发现的准确性,解决推荐系统不能适应用户兴趣变化的问题。[方法/过程]通过对社交网络用户兴趣的研究发现,社交网络用户兴趣可以分为短期兴趣和长期兴趣,据此构建融合用户兴趣漂移特征的个性化推荐模型。采用时间窗口的方法挖掘用户短期兴趣,利用遗忘曲线跟踪用户长期兴趣变化。在此基础上对用户进行聚类,根据用户聚类结果为用户推荐兴趣相似用户。并以微博真实数据为例进行实证。[结果/结论]融合用户兴趣漂移特征的个性化推荐模型能够较准确地发现用户兴趣漂移特征,满足用户个性化信息需求。[局限]仅使用"微博"这一应用广泛的网络社交平台进行实证,未能从多个网络社交平台进一步验证模型的可行性和准确性。 相似文献
4.
【目的/意义】根据学者当前的科研需求基于学术能力与合作关系网络为其推荐潜在合作学者,有利于增强 学术交流合作,促进科研发展。【方法/过程】从学者的学术能力和合作关系网络两个维度构建推荐模型,通过相关 学者的学术能力挖掘候选推荐学者的知识覆盖度,根据历史合作关系网络挖掘合作质量,综合计算在这两个层面 的推荐值实现合作学者推荐。最终以百度学术学者主页数据进行实证以验证模型的有效性和有用性。【结果/结 论】将学者当前科研任务的合作需求加入到推荐模型中构建多维推荐技术,符合科研用户需求,推动学术的交流合 作,模型具有较好地应用性。 相似文献
5.
[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
6.
【目的/意义】为帮助科研用户快速准确地找到与自身研究兴趣相关的学术论文,构建了基于细粒度语义实
体的学术论文推荐模型。【方法/过程】将实验前期识别出的研究主题、研究对象和理论技术类语义实体作为学术论
文和核心作者的内容特征,分别利用TF-IDF算法、TextRank算法和LDA模型得到学术论文和核心作者的特征词,
利用Word2vec对特征词进行向量化,再计算核心作者和学术论文的余弦相似度,将余弦相似度值靠前的Top20推
荐给作者。【结果/结论】利用准确率、召回率和F值对基于三种算法得到的特征词生成的推荐结果进行比较评价,结
果表明,基于TF-IDF算法得到的特征词生成的推荐效果最佳,并对推荐结果进行了实例展示,可以看出本文提出
的推荐模型能够更为全面地为科研用户推荐与其研究兴趣类似的学术论文,提高科研效率。【创新/局限】本文主要
是从学术论文的内容特征入手,对类型细分后的关键词利用不同算法进行核心作者特征词筛选,进而实现学术论
文推荐,但是对学术论文中包含的网络关系并未涉及。 相似文献
7.
【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
8.
[目的/意义] 学者是学术知识的创造者,也是学术创新的主要推动者。学者学术影响力评价对学者学术发展具有导向作用,也是每位学者关注的焦点。[方法/过程] 本研究提出一种基于动态变化的学者学术影响力测度方法,以中国引文数据库（CCD）为统计工具,利用SIF测度模型对2019年爱思唯尔（Elsevier）发布的艺术和人文学科领域的中国高被引学者学术影响力演变进行分析。[结果/结论] 结果表明,SIF测度模型弥补了h指数在评价学者影响力的不足,对学者学术影响力演变测度具有适用性,揭示学者学术生涯的学术影响力演变过程。 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] 在线科研与开放存取日益成为学者科研的主流趋势,预印本系统作为一种在线学术交流平台,以学界自治为基础,具有科研交流效率高、速度快、民主化等特点,然而由于缺乏配套的质量控制与学术评价机制使其发展遭遇瓶颈。[方法/过程] 有学者提出了一种自组织同行评议模式适应开放存取环境下的学术评议活动,本文在此基础上扩展,提出在线论文评分模型和虚拟积分激励机制,实现对预印本论文的学术评价和对预印本系统用户的激励管理。[结果/结论] 弥补传统同行评议模式存在评审过程不够透明、评议结果不够公正、对评议者缺乏激励等问题。这种新的学术评价模式具有科学高效、客观公正、公开透明等特点。 相似文献
11.
[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
12.
[目的/意义]学术用户画像是对用户访问使用学术资源行为的较全面的刻画。本文尝试构建图书馆学术用户画像的信息行为标签和研究兴趣标签,来准确定位学术用户的信息需求,以便推荐合适的学术资源。[方法/过程]具体方法是全面获取用户的访问日志并进行清洗处理,然后构建从学术用户信息行为出发的用户画像标签体系,进一步研究构建了基于研究兴趣关联的信息资源推荐服务。[结果/结论]本研究有助于提高用户信息获取效率,提高图书馆学术资源推荐服务的质量,并为结合其它资源全面构建图书馆学术用户画像提供一定的借鉴。 相似文献
13.
[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
14.
[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
15.
[目的/意义] 虚拟学术社区开始成为科研合作的重要平台,本文通过对虚拟学术社区科研合作行为的博弈分析,有利于维系与推动虚拟学术社区科研合作关系的形成。[方法/过程] 基于理性人假设,从虚拟学术社区科研合作团体和科研合作个体两个主体出发,构建KMRW声誉模型分析虚拟学术社区中科研合作策略选择与稳定性,并引入贴现因子、激励因子、惩罚因子,进一步对科研合作进行分析。[结果/结论] 研究表明：虚拟学术社区科研合作中,声誉会对科研合作个体的行为产生明显影响,而贴现因子、激励因子和惩罚因子的存在使得科研合作个体的声誉价值增加,促使形成的虚拟科研合作团体达到均衡状态,并据此提出促进虚拟学术社区科研合作的相关策略。 相似文献
16.
[目的/意义]数字图书馆的知识服务需要考虑用户科研情境的因素,现有研究大多集中于科研人员个体,忽略了科研团队的情境。针对团队科研活动的情境进行知识推荐,可以更好地服务以团队合作方式开展的科研活动。[方法/过程]提出了一种基于团队科研—知识应用情境匹配的数字图书馆知识推荐方法。运用情境感知技术构建数字图书馆知识应用情境和团队科研情境模型,将二者匹配,为活跃用户筛选出备选知识和邻居用户,完成知识排序和推荐。[结果/结论]通过数字图书馆知识推荐实例证实,提出的推荐方法能够精准挖掘出团队科研情境下科研人员的知识需求。 相似文献
17.
【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
18.
[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
19.
【目的/意义】随着学科交叉与学科融合的不断深入,科研工作越来越需要多个学者合作完成。识别潜在的
合作关系,为学者推荐适合的合作对象,能有效提高科研效率。【方法/过程】基于动态网络表示学习模型对学者合
作关系预测展开研究。首先,提出一种动态网络表示学习模型 DynNE_Atten。其次,根据图书情报领域的文献数
据构建动态科研合作网络和动态关键词共现网络,使用 DynNE_Atten 模型得到作者向量表示和关键词向量表示,
同时提取作者单位特征。最后,融合作者合作、主题与单位特征,预测未来可能产生的合作。【结果/结论】实验结果
表明,本文提出的动态网络表示学习模型在时序链路预测任务中只需要较少的输入数据,就能达到较高的准确性;
相比于未融合特征的学者表示,融合模型在合作关系预测中展现出明显的优势。【创新/局限】提出了一种新的动态
网络表示学习模型,并融合主题特征和作者单位特征进行科研合作预测,取得了较好的结果。目前模型在特征融
合的方式上只考虑了数据层面的异构,并未考虑网络层面的异构。 相似文献
20.
【目的/意义】学术网站是学者发现研究兴趣的有效途径,研究学者推荐与跨语言论文推荐有助于学者更好 地开展学术研究。【方法/过程】利用论文之间的引用与被引关系分别爬取参考文献集合和被引文献集合,构建学者 推荐与跨语言论文推荐模型。首先通过Word2vec算法模型生成候选相关学者集和候选相关论文集,计算 Word2vec得分;然后分别进行加权处理,最终得到学者推荐列表和跨语言论文推荐列表。以CSSCI中的《中国图书 馆学报》、《情报学报》和《图书情报工作》三种代表性期刊在2016-2017年载文的参考文献集合与被引文献集合为数 据来源进行实证分析,并验证模型的科学性与可行性。【结果/结论】实证结果表明,该模型可以很好地发现相关学 者以及相关论文。 相似文献