共查询到18条相似文献，搜索用时 125 毫秒
1.
基于用户行为建模和大数据挖掘的图书馆个性化服务研究 总被引：5，自引：0，他引：5
[目的/意义] 大数据背景下,如何构建合适的用户行为模型并基于海量的行为日志数据提供个性化服务,是当前图书馆大数据应用落地迫切需要解决的问题。[方法/过程] 首先分析用户行为模型构建的研究现状及存在的困境,接着密切结合大数据背景下个性化服务的特征,针对性提出基于本体的高校图书馆用户行为模型的构建策略和构建方法,并设计一种利用用户日志库提取用户显性兴趣和隐性需求本体的个性化服务方案,最后给出基于流行的Hadoop大数据分析平台和MapReduce计算框架的图书馆个性化服务的应用案例。[结果/结论] 基于本体构建的用户行为模型,技术上可与大数据分析平台实现无缝对接,从而提供实时而精准的服务,能有效应对当前大数据环境下图书馆个性化服务面临的“知识迷航”“信息过载”和“情感缺失”的挑战。 相似文献
2.
用户兴趣建模是个性化信息服务的基础和核心,它的主要构建环节包括了信息获取、模型表示、模型学习更新。通过对现有基于本体的用户兴趣建模思路分析,采用了叙词表改造本体的方法介绍用户兴趣模型的构建,构建过程中应用到了初始本体、领域本体、用户本体和参考本体。 相似文献
3.
提出基于关联数据技术组织用户需求的设想及其架构——需求语义网络模型,该模型由数据层、需求信息层、应用层组成,需求信息层是整个模型的核心,其构建包括需求信息建模、需求信息命名、需求信息RDF化、需求信息发布、开放查询5个步骤,需求语义网络构建的重点和难点包括用户需求及关系的定义与描述、用户需求的关联与分解、需求网络中各层次之间的协作与交流以及匹配服务器的延伸和扩展等,最后,将需求语义网络理论应用到高校图书馆个性化知识服务中,提出基于关联数据的高校图书馆图书需求语义网络的构建模型。 相似文献
4.
用户兴趣模型的建立和维护是个性化推荐服务系统研究和开发中的一个关键问题.细粒度兴趣通过在用户兴趣特征集中区分用户的不同兴趣主题类别来发现,是对粗粒度用户兴趣的进一步挖掘和划分.本文针对以往粗粒度用户兴趣建模存在的不足,对细粒度用户兴趣建模的概念和主要方法进行简介和评述.在此基础上,提出一种基于领域本体和近邻概念聚集的细粒度用户兴趣建模方法(FUPMo).该方法通过滑动窗口控制用户兴趣概念的计算规模,通过时间窗口和兴趣衰减函数反映用户兴趣的变化.基于军用飞机领域本体OntoAvion和小规模文档库进行的实验研究表明,该细粒度用户兴趣建模方法在应用上具备有效性. 相似文献
5.
基于本体的数字图书馆个性化服务研究 总被引：5，自引：0，他引：5
本体描述了某一领域所涉及的概念、概念的含义以及概念之间的各种关系,具有良好的概念层次结构和推理规则.将本体引入个性化服务中,旨在借助本体构建用户模型和对检索结果文档进行语义分析处理,以改善个性化服务的效果.基于本体构建用户模型有显式和隐式两种方式,基于本体的数字图书馆个性化服务主要通过个性化检索和个性化推荐两种方式实现,在具体的实现中还有一些问题需要注意,包括本体的构建与本体映射、数字图书馆各种资源的整合和集成、用户模型构建的准确性以及服务提供的适用性、用户安全和隐私问题. 相似文献
6.
个性化关键技术研究综述 总被引：1，自引：0，他引：1
个性化研究的关键技术主要包括有三个方面的内容:用户建模、推荐系统和评价。首先,用户建模是收集用户数据,目的是为推荐系统提供用户的兴趣、偏好等建立模型;其次,推荐系统的作用是根据用户模型为用户推荐个性化内容,是个性化的核心内容;最后,评价系统根据用户对个性化应用的满意程度,反馈给推荐系统调整建模策略。个性化应用是一个不断反馈修正的过程。 相似文献
7.
个性化推荐系统用户建模技术综述 总被引：38，自引：5，他引：38
在分析目前各类个性化推荐系统的基础上,从数据获取、用户模型的表示、学习和更新四个方面对推荐系统用户建模领域的相关技术进行系统评述,并着重分析了用户建模过程中所面临的关键议题。最后指出推荐系统用户建模领域的一些发展方向。其目的是希望能够对构建准确、有效的推荐系统用户模型,提高推荐的质量和接受度带来启示。 相似文献
8.
基于用户行为的全文检索系统个性化研究 总被引：1，自引：0，他引：1
总结国内有关检索系统个性化研究的现状并进行分析,针对全文检索系统个性化服务方面存在的不足提出了基于用户行为全文检索系统模型,阐释了模型中的三个关键问题,包括相关反馈行为评价体系的制定、用户显式隐式行为的获取、用户兴趣建模和基于行为的相关度算法优化,最后列举了基于用户行为的全文检索系统可提供的四项个性化服务内容,包括个性化用户界面、优化检索策略、个性化检索结果、个性化推荐. 相似文献
9.
10.
用户建模已成为个性化信息服务的关键。对用户兴趣建模几种方法的优缺点进行分析对比，引进本体概念，介绍本体建模的优点、建模思路、建模流程，并利用用户兴趣树思想建立基于本体的用户个性化兴趣模型。 相似文献
11.
关联数据的自动关联构建研究* 总被引：4，自引：0，他引：4
介绍三种自动关联构建的方法——基于实体的文本映射、基于图相似度的映射和基于规则的关联构建。基于实体的文本映射是实现自动关联的基本方法,图映射是对单一三元组比较方法的扩展,这两种方法都具有很强的通用性,但创建的关系类型却非常有限。而基于规则的关联构建能够创建较为丰富和复杂的关系,但依赖于特定的数据模型和相关规则。 相似文献
12.
作品识别是书目数据重构的关键的一步,并决定了所有的后续操作。书目世界的作品概念继承自潘尼兹,经过柳别斯基等人的阐述,最终确定了书目数据作品与载体的二分法。可操作性的作品识别可以在具现化的文本层面实现。指称作品的题名、所有署名的责任者,以及基于用户研究确认的语种共同构成识别作品的基本元素。同时,在作品模型中引入顶层的抽象实体——超级作品,实现对相关作品的聚合,并最终形成作品家族。随后,根据语种、汇编类型对CNMARC数据进行分包,由简入难,依次对每类数据制定相应的作品识别方案。并以非翻译类单语种文献、翻译作品和丛编作品为例对CNMARC数据中作品的识别与建模进行说明。 相似文献
13.
关联数据及其应用现状综述 总被引：12，自引：0，他引：12
自主、异类、异构和分布的海量数据间的语义关联一直是知识组织和知识发现的核心问题,关联数据(Linked Data)技术的出现为此提供一种轻型、渐增化、可伸缩和可扩展的动态机制。基于对大量文献的梳理和分析,描述Linked Data的原则与技术体系,介绍Linked Data发布、Link浏览器、Linked Data搜索引擎、Link更新维护等核心技术,简要介绍若干典型应用,提出在具体领域实施Linked Data应用的关键挑战。 相似文献
14.
关联数据在图书馆中的应用研究综述* 总被引：14，自引：0，他引：14
黄永文 《现代图书情报技术》2010,26(5):1-7
简要介绍关联数据产生和发展的背景、关联数据的定义、基本原则及应用框架,从资源发现服务、数据融合与语义检索服务、学术研究和学术交流作用、跨机构的关联数据的开放与复用等方面分析关联数据驱动的图书馆Web应用现状,最后对图书馆应用关联数据提出几点建议。 相似文献
15.
信息资源整合平台的跨系统建设分析 总被引：4，自引：0，他引：4
我国的信息资源整合基本上分系统进行,缺乏技术沟通和管理沟通,由此提出了面向用户的服务平台构建问题。文章从这一现实出发,在分析信息资源整合平台跨系统建设需求与现存问题的基础上,按信息资源建设规划原则提出了跨系统平台模式和建设对策。 相似文献
16.
构建基于Web数据挖掘技术的信息服务系统 总被引：5，自引：0，他引：5
介绍Web数据挖掘的种类和方法,提出一个基于Web数据挖掘的信息服务系统结构,该结构以数据挖掘模块为中心,处理数据库、智能代理、Web服务器日志和用户接口多数据源的信息,以改善文献情报机构的服务质量。 相似文献
17.
基于Web2.0型人的数字图书馆交互界面设计 总被引：4，自引：3，他引：1
作为一种基于市场调查、工业设计与人机交互（HCI）的研究取向,型人（Personas）是实践以用户为中心设计(UCD)的一种方式。在一项包括文献综述、统计分析与界面设计的实证研究之后,在中国科学院研究生院创建四种基于Web2.0用户行为的型人,并且讨论如何结合数字图书馆的服务模式和他们的行为模式。最后,提出这次型人的进阶方法。 相似文献
18.
In certain classification problems there is a strong a asymmetry between the number of labeled examples available for each of the classes involved. In an extreme case, there may be a complete lack of labeled data for one of the classes while, at the same time, there are adequate labeled examples for the others, accompanied by a large body of unlabeled data. Since most classification algorithms require some information about all classes involved, label estimation for the un-represented class is desired. An important representative of this group of problems is that of user interest/preference modeling where there may be a large number of examples of what the user likes with essentially no counterexamples.Recently, there has been much interest in applying the EM algorithm to incomplete data problems in the area of text retrieval and categorization. We adapt this approach to the asymmetric case of modeling user interests in news articles, where only labeled positive training data are available, with access to a large corpus of unlabeled documents. User modeling is here equivalent to that of user-specific document ranking. EM is used in conjunction with the Naive Bayes model while its output is also utilized by a Support Vector Machine and Rocchio's technique.Our findings demonstrate that the EM algorithm can be quite effective in modeling the negative class under a number of different initialization schemes. Although primarily just the negative training examples are needed, a natural question is whether using all of the estimated labels (i.e., positive and negative) would be more (or less) beneficial. This is important considering that, in this context, the initialization of the negative class for EM is likely not to be very accurate. Experimental results suggest that EM output should be limited to negative label estimates only. 相似文献