一种知识驱动的个性化文献推荐方法

由于用户兴趣和文献领域知识背景挖掘不充分的问题,往往检索不到满意的效果。基于这一观察,提出一种融合离线和在线知识驱动的个性化文献推荐方法。在离线状态下,该方法整合领域本体、同义词簇及知识标签构建多维领域知识图谱,并利用该知识图谱挖掘文献的主题分布及背景知识特性,构建文献语义树,完成知识解析。在此基础上,根据用户与目标文献在知识背景上的关联特性,通过基于伪相关反馈技术和激活扩散技术的用户知识需求建模、结合用户领域知识标签的目标文献知识建模,最终实现在线的基于用户和文献知识距离度量的个性化文献推荐。真实数据集上的对比实验结果显示,当前方法在推荐相关度和排序分等多种指标上都取得了更好的结果,验证了基于知识的文献推荐方法的有效性。

认知任务驱动的fMRI脑功能网络构建方法

针对脑功能网络的构建受到特定大脑图谱对兴趣点描述准确度及覆盖度的限制,提出了基于认知任务信息和神经影像数据的脑功能网络构建方法。首先计算fMRI体素对于认知任务的敏感度,然后在此基础上选取兼顾分布均衡和去中心化的大脑兴趣点,从而构建任务驱动的脑功能网络。实验通过在人脸情绪识别认知任务相关的梭状回构造任务驱动的脑功能网络,其度中心性、聚类系数、全局效率、局部效率这四个复杂网络指标均优于典型大脑图谱梭状回中兴趣点构成的网络。结果表明,计算得到的大脑兴趣点具有更强的整合性,更适合用于表征特定认知任务下的脑功能网络。