图书情报领域的知识管理研究主题评析——基于1998-2014年CSSCI收录期刊论文的统计分析

选取1998—2014年间CSSCI收录的22种图书情报类核心期刊的相关刊文为研究对象,采用多元统计方法对文章关键词分析,最终以知识地图方式呈现。结果发现,1998—2014年图书情报领域的知识管理研究紧紧围绕面向图书情报系统的"知识信息的转化"、"Web2.0环境下的个人知识管理应用"、"企业竞争情报资源管理"、"知识管理信息服务"及"知识管理具体实施过程"五大热点研究群组。

一种基于社会化信任的改进的协同过滤推荐模型和方法

社会化商务环境中的信任关系深刻地影响着消费者的购买行为与决策,成为了支撑网络商务活动开展的重要因素。基于用户历史评价数据,协同过滤推荐算法通常面临着数据稀疏的问题,即评分数据过于稀疏导致推荐质量下降。为了解决这一问题,结合辅助数据成为一种必然的趋势。因此,随着社交媒体的发展,基于信任关系的社会化推荐算法被证明为一种有效的解决方法。然而,目前大部分算法直接利用社交网络的二值信任关系来提高推荐质量,没有考虑用户对每个好友信任强度的差异。为了提高社会化推荐算法的准确性,本文以社交数据为基础,计算用户个人可信度评分和互鉴可信度评分,并基于可信评分对社交关注矩阵进行可信量化,以及基于评分矩阵预填充的思想来缓解数据稀疏性问题。基于大众点评真实数据集的实验与分析结果表明,本文提出的新的协同过滤推荐模型与算法,进一步提高了推荐精度。

一种引入间接信任关系的改进协同过滤推荐算法

【目的】解决传统协同过滤推荐算法中由于数据稀疏性等原因而导致的推荐质量恶化问题,需要对协同过滤推荐算法的推荐机制进行改进优化。【方法】利用社会网络分析中的凝聚子群分析技术挖掘隐含在信任网络中的间接信任关系,与直接信任加权融合成综合信任度,并将其融入用户相似度计算中。【结果】实验结果显示,信任关系中间接信任不容忽视,当间接信任以35%的比例与直接信任融合时,推荐效果比仅引入直接信任关系有进一步提升。【局限】在考虑信任网络中的间接信任时,忽略了用户之间多中介节点的间接信任情况对推荐精度的影响。【结论】引入间接信任关系的软集成可以提高协同过滤算法的推荐准确性。