数据融合视域下虚拟知识社区知识推荐模型构建

文章采用扎根理论方法分析虚拟知识社区用户需求,构建虚拟知识社区用户知识需求框架,在此基础上提出虚拟知识社区数据融合方法,进而构建基于数据融合的虚拟知识社区知识推荐模型,并从用户画像、情感感知、社交网络3个角度提出虚拟知识社区知识推荐优化路径。

融合农村居民意图的健康知识推荐方法

为提高农村居民健康认知水平,提出一种融合农村地区居民意图的健康知识推荐方法。考虑到村民对不同健康知识的偏好,建模用户层中村民与健康知识间的关系路径,捕获村民获取健康知识的潜在意图,利用图卷积与注意力机制传播聚合村民意图邻居节点信息,获得村民与健康知识的高阶邻域表示,通过双交叉聚合器将初始节点与邻域表示进行聚合,增强村民与健康知识的表示能力,实现村民健康知识精确推荐。基于农村健康知识数据集验证研究模型有效性,结果表明该模型在准确率、NDCG指标上均得到了一定程度的提高。

融合时间感知和增强过滤的农业知识推荐模型

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced Sequential Recommendation Model for Agriculture Knowledge,TiFSA)。[方法]首先,基于时间感知的位置嵌入方法,将农户交互的时间信息与位置嵌入相结合,帮助学习农业情境下基于农时的项目相关性。其次,在时间感知位置嵌入的基础上,引入滤波器过滤算法,自适应地衰减农户情境数据中的噪声。最后,引入时间信息的多头自注意力网络,实现对时间、项目和特征的统一建模,对农户随时间变化的偏好特征进行情境表示,从而为用户提供可靠的推荐结果。[结果和讨论]根据“全国农业知识智能服务云平台”中的用户交互序列数据集进行实验。结果表明,该模型在农业数据集上的命中率为45.79%,归一化折损累计增益为53.52%;与近几年性能最佳的模型Ti-SASRec相比分别提升16.19%和14.02%。[结论]该模型能够有效捕获农业领域的用户情境特征和建模农户的动态偏好,具有更好的推荐性能。

基于本体-匹配双向扩展模型的设计知识推荐方法

针对自动扶梯桁架设计知识缺乏有效归纳与整理,知识重用性与共享性差等问题,提出了一种基于本体-匹配双向扩展模型的自动扶梯桁架设计知识推荐方法。首先,提出了自动扶梯桁架命名实体识别(ETNER)模型,进行了该领域知识特征的有效提取,为知识本体构建提供了数据基础;然后,构建了领域知识本体,对设计知识进行了规范表示,并利用本体知识之间的关联关系进行了推理;最后,设计了本体-匹配双向扩展模型,在本体推理为空的场景下,采用改进知识相似度计算与文档扩展匹配的方法,提高了对于用户知识需求的理解能力,补充了推荐结果,同时促进了自动扶梯桁架设计知识本体的更新。研究结果表明:实体识别模型提取扶梯桁架设计知识特征的F1指标达到0.863,能有效提取该领域设计知识特征;该知识推荐方法的平均倒数排名(MRR)、命中率(HR)、归一化折损累计增益(NDCG)指标分别为0.79、0.85、0.80,与传统Doc2query方法相比,其可以充分理解设计知识需求,提高了知识推荐结果的有效性;该研究结果可以为扶梯桁架设计与其他类似工程应用提供知识共享及知识重用的方法。

一种基于图卷积网络电网审计知识推荐模型

随着电网企业在线培训审计业务需求的大量增加,学习者无法有效选择学习对象,因此导致网络培训效果不佳。为此,提出一种基于图卷积网络的电网审计知识推荐模型。基于电网审计业务构建在线学习知识图;通过基于注意力机制的图卷积网络放大更新图表示时的信息,消除噪声影响;基于密集特征的操作感知网络捕捉隐含的学习者交互行为,进而为其提供电网审计培训知识推荐。实验分析表明,提出的模型相比CompGCN、DeepFM、DCN方法在推荐准确度、F 1分数等方面具有一定优势。

融合异构图注意力网络的知识推荐

为解决在线课程平台直接推荐服务忽视用户知识水平差异的问题,本文提出一种知识推荐方法。通过应用异构信息网络和注意力机制,将知识推荐问题视为强化学习任务,模拟用户与知识概念之间的互动,并利用异构信息网络学习用户的语义表示,通过元路径引导用户偏好的传播。实验结果表明,相较于其他方法,该方法在性能上表现得更为优越。

基于推理-情境感知激活模型的设计知识推荐

针对个性化产品设计任务下的知识资源检索和利用效率低、知识推荐结果有效性和准确性侧重失衡的问题,提出个性化设计知识推荐服务架构.该架构以产品设计文献数据、手册数据为核心,结合产品设计场景特征,确定设计知识类别.采用新的深度学习模型ALBERT-BiLSTM-IDCNN-CRF,对数据中蕴含的设计对象、设计任务、设计性能、设计方法、设计工具、设计原理、设计参数、计算公式、设计图这9类知识元进行有效抽取.结合由企业内部员工和文献作者组成的设计人员知识元,建立五维设计知识关联模型,以该模型为基础,运用本体和推理规则建立完善的产品设计知识库.提出基于推理-情境感知激活模型的设计知识推荐服务模式.以液压机设计为例进行验证.结果表明,所提的深度学习模型在设计知识抽取中获得了优于其他基准模型的效果.所提的知识推荐服务模式在维持较高的知识推荐结果准确性的同时,提升了输出推荐结果的有效性,可以快速、准确地为特定对象属性、任务属性和性能要求属性下的个性化设计任务求解推荐所需的知识资源.

基于分词技术的防震减灾知识推荐服务与应用

基于中文分词方法,开展用户画像及知识画像分析,构建大数据融媒体防震减灾知识推荐平台,形成面向用户兴趣感知的地震知识推荐服务,实现科普信息即时获取、精准推送,从而提高防震减灾科普传播效率。所构建的知识推荐服务平台在全国多个地区得到应用,满足了用户对防震减灾知识主观个性化的需求,提升了用户信任度和粘性。

基于匹配度和谱聚类的知识推荐研究

为解决传统知识推荐领域存在的“重相似、轻关联”的问题,并进一步提升推荐精度,提出将相似度和关联度融合为知识匹配度的应对思路,并利用余弦相似度和Apriori算法计算知识间匹配度;而后,通过谱聚类实施空间压缩以降低遍历时耗;最后,基于聚类结果和预测评分确定知识推荐范畴。采用Movielens数据集进行仿真模拟,结果表明,所提算法优于传统的ICF算法和KNN-ICF算法。

基于协同过滤的知识推荐模型研究

随着在线教育的普及,各类学习平台产生了海量的知识资源和用户数据。基于这些辅助数据和协同过滤算法,提出了一种混合的知识推荐模型,用于解决传统推荐系统中的冷启动和稀疏性问题,从而提高在线学习的效率。该模型首先利用用户的注册信息和对知识的隐式反馈构建初步的个人概貌,其次根据用户对知识的显式评分和其他反馈完善个人概貌,最后根据概貌和知识间的相似度进行推荐。实验表明,该模型使用不同邻居数量测试的MAE(Mean Absolute Error,平均绝对误差)均值约为0.7755,低于修正余弦算法的0.7901,且没有明显的噪点,同时MAE的标准差约为0.0724,低于皮尔逊算法的0.0837,相较于传统的修正余弦算法和皮尔逊算法,其在知识推荐上能兼顾良好的准确性和稳定性。

面向移动数字图书馆的情境敏感型知识推荐研究

随着移动通信的发展,数字图书馆的各种知识服务更多地在移动终端上实施,但现有的移动数字图书馆对于用户环境、场景等"情境"的感知能力不足,缺乏为用户提供适应当前情境的个性化知识推荐服务。因此提出基于信息熵度量读者的情境敏感性。基于情境敏感度对读者进行相似性比较,并利用这种比较扩展了协同过滤算法。试验结果表明,该方法为移动数字图书馆具备情境敏感的能力,提高知识推荐的准确性提供了一种新的途径,有利于给读者提供既满足情境又符合其个性化需求的知识资源。

关联规则在领域知识推荐中的应用研究

文章将关联规则挖掘引入共词分析领域。通过试验发现,设置合理的最小支持度和最小置信度阈值,可以有效揭示目标领域的核心二元词组和多元词组间的关联关系。相比传统的共词分析方法,在精确计量词组内部术语间语义关系的强度和方向上具有明显优势。进而提出基于关联规则的信息检索系统知识推荐思路。

基于三部图网络结构的知识推荐算法

针对传统的知识推荐算法存在用户冷启动和冷门物品推荐的问题,提出了一种基于三部图网络结构的知识推荐算法。在计算相似度时引入网络结构中的度,综合考虑项目的度和权值及标签的度和权值对推荐算法的影响。实验结果表明,该算法提高了推荐的个性化和多样性,有效地解决了用户冷启动和冷门物品推荐的问题,改善了推荐效果。

基于用户兴趣变化的数字图书馆知识推荐服务研究

针对用户的兴趣变化具有时间敏感性特点,文章提出基于用户兴趣变化的数字图书馆知识推荐模型。首先融合标签和时间等因素,通过用户使用标签的频率以及对资源的标注时间等信息构建用户-资源评分矩阵;然后结合协同过滤算法,计算目标用户最近邻从而完成知识推荐,并在此基础上设计个性化知识推荐服务模型;最后探讨系统知识推荐服务机制及其应用。

融合情境语义的虚拟学术社区知识推荐模型研究

[目的/意义]为弥补虚拟学术社区知识服务的不足,研究面向知识服务的知识推荐。[方法/过程]以虚拟学术社区这一重要交流平台为研究对象,将网络用户学术交流中的情境语义关系融入到知识推荐中。首先构建情境因素的语义层次模型,其次将情境语义融入到虚拟学术社区知识表示中,最后增加语义层次树中的属性因素,改进节点间的语义相似度计算,以实现融合情境的语义协同推荐。[局限]文中的实验只选取了科学网作为实验数据,并未将所有学术社区均进行实验层面的验证,扩大数据集将作为后续的研究目标之一。

基于移动互联网的中医知识推荐方法初探

中医药知识服务领域的一个核心问题是:面对海量的中医知识资源,如何根据用户的健康状况和行为信息,从中自动找出用户可能关注或感兴趣的知识,从而实现中医知识的主动推荐。移动互联网因其普及性、便捷性以及强大的个人信息采集和自动感知能力,为解决这一问题提供了理想的平台。本文介绍个性化知识推荐的概念、背景和技术,阐述基于移动互联网的中医知识推荐服务的现状,提出存在的问题和研究思路。

基于内部网络结构的知识推荐系统设计研究

研究了组织内部网络结构对知识共享和知识推荐的影响。首先在相关理论分析的基础上,选取某科研团队,设计调查问卷收集网络关系资料,通过SNA描绘出该团队的正式网络以及合并了非正式网络关系的复杂网络,并使用社会网络的相关测量指标对比分析,设计知识共享推荐系统,最后证明融合了正式网络关系和非正式网络关系的复杂网络更能有效地促进知识的流通和共享。

基于语义扩展的个性化知识推荐系统

构建个性化知识推荐系统是数字图书馆实现个性化信息服务的有效手段,推荐服务的关键在于完整地理解用户偏好并能准确作出判断。提出了一种基于语义扩展的知识推荐方法,通过分析读者文献检索、浏览的行为提取读者偏好,利用扩展激活模型建立读者偏好档案,据此对文献资源进行匹配和分级,从而向读者提供个性化的知识推荐服务。

改进ART算法在数据库自动知识推荐中的应用

为了提高数据库检索的智能性及个性化推荐,将改进的ART算法应用于数据库自动知识推荐。首先对基本ART算法及ART网络算法进行了描述,接着提出了改进的ART算法,最后运用实例仿真,验证该算法性能。文本采用某高校数字图书馆数据库作为仿真对象,验证其自动知识推荐的功能,同时对其资源消耗和扫描时间进行了计算仿真,实验证明,本文算法在数据库自动知识推荐过程中,所耗资源少且效率高,具有一定的研究价值。

基于用户情境感知的移动图书馆知识推荐系统设计

移动图书馆对用户进行知识推荐时,考虑用户情境感知因素是非常必要的,因为将用户情境感知引入移动图书馆知识推荐平台具有较多的优势。文章对此进行了分析,并设计了基于用户情境感知的移动图书馆知识推荐系统框架。