排序方式: 共有69条查询结果,搜索用时 281 毫秒
61.
62.
Web2.0环境下的网络信息组织 总被引:1,自引:0,他引:1
文章首先介绍了网络信息组织及其发展阶段,接着对Web2.0的几种常见的信息组织技术进行了比较分析,并在此基础上着重阐述了Web2.0环境下信息呈现的特征及其信息组织方式,最后从信息的深层挖掘、信息的深度互联、Web2.0与语义网的结合等方面探讨了的信息组织的未来发展方向. 相似文献
63.
【目的/意义】针对社会化标注过程中标签频次不能准确表征用户偏好,以及图书推荐过程中面临的数据稀
疏和冷启动问题。【方法/过程】本文基于记忆优化机制,提出读者偏好表示方法,以“豆瓣读书”作为实证对象,利用
DBSCAN 算法聚类结果评价该方法,实验证明该方法具有较好的表征效果。为解决图书推荐过程中面临的冷启
动、数据稀疏等问题,以基于记忆优化机制的读者偏好表示为基础,开展图书群组推荐研究。【结果/结论】实验结果
显示,本文提出的推荐方法具有较高的准确率、召回率和F值。【创新/局限】本文提出了基于记忆优化机制的读者偏
好表示方法对挖掘读者偏好和开展推荐服务具有重要意义,但在读者偏好构建过程中还需进一步细化认知构建和
更新过程,必要时可考虑利用更多读者属性完善记忆构建和优化机制。 相似文献
64.
65.
【目的/意义】为省级政府部门的非遗政策制定、完善和实践提供一定参考,助力文化强国建设。【方法/过程】利用内容分析与量化分析方法,基于“工具-主体-目标”三维分析框架,对遴选出的31省276份非遗保护政策文本予以编码,开展政策颁布时间演进脉络、颁布部门的统计,以及编码结果的单一和多维交叉分析。【结果/结论】省级非遗保护政策经历了“萌芽-成长-活跃”的发展周期,颁布主体部门协作程度较高,同时存在基本政策工具总体分布失衡,个别工具使用过溢,“政府用力过猛,多方无力参与”的非遗保护多元主体分布格局尚未改变等问题,并相对应提出了优化建议。【创新/局限】以政策工具为视角,针对省级非遗保护政策展开系统性研究;人工编码带有部分主观性,可能导致一定程度的结果误差。 相似文献
66.
[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
67.
[目的/意义]为帮助用户在拥有海量文本信息的问答社区高效率、高质量定位到符合自身需求的信息。[方法/过程]本文提出基于主题特征的问答文本摘要生成模型,该模型融合Word2Vec和SLDA算法多层次表达问答文本语义特征,而后基于图排序的思想,结合MRR冗余控制算法与文本句特征标签,调整句子权重,高效筛选出贴合问题标签的摘要内容。[结果/结论]本文对知乎问答社区多个问题下的问答文本数据进行验证,结果证明该模型具有较高的可行性和有效性。但本文选取了500份回答文本数据进行实证,未来可进一步扩大数据量开展更为充分的验证。 相似文献
68.
69.
【目的/意义】针对在线医疗信息结构松散,医疗平台医生推荐精度不足的现状,设计了一种基于标签和患者咨询文本的医生推荐算法,提升医生推荐效果。【方法/过程】利用Word2vec模型训练患者咨询文本得到特征向量,改进余弦相似度算法计算医生推荐集A;利用LDA模型训练医生标签得到医生在主题上投影的概率分布,改进KL距离算法计算医生推荐集B;基于社会网络分析理论设计相关算法重构医生网络链接,选择中心性指标得到最终医生推荐集C。【结果/结论】以“丁香医生”数据进行实证,面向UGC数据丰富了算法的可用程度,弥补了单一推荐方法的不足,提高了推荐的精度。本文所提方法有效提升了医生推荐精度。【创新/局限】通过融合标签和患者咨询文本,采用社会网络分析实现了医生混合推荐。虽然通过中心性指标进行重要医生挖掘,但挖掘效果有提升空间。 相似文献