国外协同信息检索行为研究述评

本文以国外期刊发表的协同信息检索行为研究文献为对象,采用综合归纳方法,分析协同信息检索行为研究的进展。研究发现:协同信息检索行为研究主要从理论研究走向应用实践研究;其研究主题呈现一定规律性;研究方法主要采用定量和定性相结合的方法。但协同信息检索行为研究还存在一些问题,其未来发展趋势包括:开展跨学科研究和学科间的合作;通过用户模型形式化地揭示从个人信息检索到协同信息检索的诱发因素;探究影响用户协同信息检索的原因;开发协同检索技术与协同检索系统等。

协同信息检索行为中的认知研究

本文采用问卷调查法和半结构化访谈法等数据收集方法，以及统计分析法和内容分析法等数据分析方法在Coagmento系统上进行了用户协同信息检索实验，旨在考察协同能力和任务类型这两个因素对协同信息检索行为的情境认知、任务认知和协同认知的影响。实验结果显示，协同能力强弱对用户的情境认知和协同认知的影响较大，而任务类型不同对用户的任务认知影响较大。协同方式从横向上可分为按内容、角色或二者结合分工；从纵向上可分为动态或静态分工。信息类任务分工最为明确，最适合用协同检索系统来完成；事务类任务分工较难，最不适合用协同检索系统来完成。

多分类器实例协同训练遥感图像检索

提出一种基于多分类器协同训练的遥感图像检索方法,该方法在不同特征集上分别建立分类器,利用不同分类器的协同性自动标记未知样本,从而有效解决了小样本问题。通过与相关反馈方法进行实验比较分析,结果表明,这两种方法各有优劣,检索结果基本相当,然而多分类器协同训练方法避免了相关反馈过程中人工的多次反馈,自动化程度更高。

协同信息检索行为中的情感研究

情感分析是协同信息检索行为研究中的重要研究对象。文章从情感角度出发,对用户协同信息检索行为进行了深入研究,全面考察了协同能力、任务这两个因素对用户协同信息检索过程中的情感变化的影响,以及用户协同信息检索过程中的交流行为与情感表达之间的关联性,并最终揭示协同能力在不同用户完成不同任务过程中的不同阶段,其动态的情感变化过程。

基于差异特征协同语义标注的三维模型检索方法

提出一种基于差异特征协同语义标注的三维模型检索方法.该方法利用多种特征提取方法的优点,借鉴半监督学习中的协同训练思想,首先通过3种差异特征提取算法分别训练学习器,构造出3个差异学习器;然后通过协同迭代训练找到最优学习器对三维模型进行自动语义标注;最后结合语义进行三维模型检索.在普林斯顿大学的PSB三维模型数据集上的实验结果表明,该方法的语义标注准确率优于单一特征提取方法,同时三维模型的查全率和查准率获得了较显著的提高.

协同信息检索在图书馆学科服务中的应用研究

本文试图将协同信息检索的理论和技术引入图书馆学科服务中,使学科馆员真正融入到院系学科团队的科学研究中,形成一套具有普遍使用意义的学科服务方法。本文分析了目前国内外研究的现状和趋势,从研究的目标、内容、思路进行剖析,分析了突破的重点和难点,探讨了研究理论和实际应用价值。

基于协同过滤的联机公共目录查询系统个性化检索结果排序研究

提出并实现基于协同过滤的联机公共目录查询系统个性化检索结果排序方法。该方法构建同趣读者引擎,计算读者间的相似性及最近邻居。当读者通过OPAC进行检索时,系统将其最近邻居的相关借阅书目在结果中优先显示,以实现个性化检索的目的。该方法显著提高了检索的查准率。

协同信息检索用户行为研究方法综述

随着信息技术的发展,协同信息检索的用户行为研究已逐渐成为信息科学领域新的研究热点。本文对协同信息检索的用户行为领域的研究方法进行了分析,介绍了该领域的几种数据收集方法、数据分析方法以及它们的特点、使用情况,从而为该领域的实证研究提供借鉴。

差异化任务情境下用户在线旅游协同信息检索的行为特征分析

[目的/意义]探究差异化任务情境对用户在线旅游协同信息检索行为的影响,并基于对比分析为在线旅游的产品和服务创新提供改进方法和策略。[方法/过程]在一般任务情境和具体任务情境下,采用"情境实验+问卷访谈"的方法获取研究样本的行为特征数据,以录屏软件、浏览器历史记录软件全程记录实验过程,通过人工编码、数据清洗和数据预处理等步骤处理问卷数据和视频数据共获得21组有效样本和42份有效数据,并利用SPSS 19.0进行方差分析。[结果/结论]一般任务情境下用户检索时间较长,输入检索式和编辑答案次数较多,在线聊天、浏览协作者答案等交互行为较明显,且最终的检索效果比具体任务情境下显著更好。任务类型对用户的任务感知变量无显著影响。

基于Internet的协同信息检索技术研究

该文分析了目前Internet上信息检索存在的准确性低、效率差等严重问题 ,研究了在In ternet上运行协同检索技术 (ComputerSupportedCooperateRetrieval,简称CSCR)的可行性 ,从而提出了基于HandleSystems、Info_X体系结构和CSCR三级代理机制的协同检索技术及其实现机制 ,为CSCR在Internet上的应用提出了一条新的思路。

基于协同神经网络的仿射不变性检索相似性度量方法(英文)

根据协同神经网络 ,提出了一种新的控制参数———序矢量 ,并着重研究了其在图像检索方面的相关性质 .在此基础上 ,针对商标图像检索 ,提出了一种高效的基于元素的仿射不变性度量方法 .实验表明 ,该检索算法抗噪、抗缺损能力强 ,同时对于平移、旋转、缩放具有不变性 .

协同编辑环境中的检索与统计功能

协同编辑环境中检索与统计功能可以通过多种手段实现。通过关系、网状数据库系统EDBMS存储协作信息对象及其复杂关系，可以简化实现，提高效率。

基于多用户协同反馈的信息检索模型

随着 WWW资源的不断增加 ,提高信息检索的质量变得十分重要 .在这个过程中 ,根据检索用户的特点 ,充分考虑检索用户的意见对信息检索的质量和效率起到越来越重要的作用 .本文将网络用户分为个人、社区和正规组织用户三种 ,通过分析不同类型用户的特点以及当前信息检索模型的基础上 ,提出了针对组织用户的基于多用户协同反馈的信息检索模型 .该模型提出适用于正规组织用户的协同反馈的概念 ,并应用到信息检索领域 .多用户协同反馈的概念根据正规组织用户的特点 ,充分考虑组织内所有协作人员的意见 ,结合最近一次检索结果 ,对用户查询请求不断进行修正后反复进行检索 。

基于目标检索的RGB-D协同显著性研究

为了解决在RGB-D协同显著检测算法中和前景区域相似的背景部分易被分类为显著区域的问题。提出了基于目标检索挑选出前景概率更高的显著种子,减少误分类率的RGB-D协同显著检测算法。输入原始图片、深度图,及现有算法得到的最初显著图,进行超像素分割,利用DSP(深度形状先验)算法优化初始显著图得到更佳初始显著图。使用目标检索挑选出显著值更高且更有可能是显著物体的超像素,使用协同显著判断准则求得显著值。协同传播算法加以元胞优化被利用来得到更加准确的显著图。在RGBD Cosal150数据集上的实验表明了该算法的有效性和杰出性,取得了较高的准确度。

面向跨模态检索的协同注意力网络模型

随着图像、文本、声音、视频等多模态网络数据的急剧增长,人们对多样化的检索需求日益强烈,其中的跨模态检索受到广泛关注。然而,由于其存在异构性差异,在不同的数据模态之间寻找内容相似性仍然具有挑战性。现有方法大都将异构数据通过映射矩阵或深度模型投射到公共子空间,来挖掘成对的关联关系,即图像和文本的全局信息对应关系,而忽略了数据内局部的上下文信息和数据间细粒度的交互信息,无法充分挖掘跨模态关联。为此,文中提出文本-图像协同注意力网络模型(CoAN),通过选择性地关注多模态数据的关键信息部分来增强内容相似性的度量。CoAN利用预训练的VGGNet模型和循环神经网络深层次地提取图像和文本的细粒度特征,利用文本-视觉注意力机制捕捉语言和视觉之间的细微交互作用;同时,该模型分别学习文本和图像的哈希表示,利用哈希方法的低存储特性和计算的高效性来提高检索速度。在实验得出,在两个广泛使用的跨模态数据集上,CoAN的平均准确率均值(mAP)超过所有对比方法,文本检索图像和图像检索文本的mAP值分别达到0.807和0.769。实验结果说明,CoAN有助于检测多模态数据的关键信息区域和数据间细粒度的交互信息,充分挖掘跨模态数据的内容相似性,提高检索精度。

用户隐性协同信息检索行为的研究——以协同能力和任务类型为视角

在虚拟社群环境中,用户的隐性协同信息检索行为受到包括用户自身及外部环境等诸多因素的影响。文章主要探讨了用户的协同能力和其所接受任务的类型对用户隐性协同信息检索行为的影响,协同能力不同的用户在"推荐"行为上存在显著差异;任务类型的不同也会对用户的隐性协同信息检索行为影响较大。

基于多协同的即时信息检索框架

提出一种协同即时信息检索体系结构的设计框架。首次将双基协同、多代理协同、多向量协同用于即时信息检索。增加缓冲知识库,考虑在代理通信和检索中利用兴趣向量和结果向量,并对进行这种设计框架分析。结论是对查准率有更多的优化。

基于用户反馈与协同过滤的情报检索系统的建立

为达到简化情报检索系统中用户与系统之间的交互接口,使传统情报检索系统从“面向情报机构”和“面向检索专家”向“面向最终用户”方向转变的目的,提出引入用户反馈与协同过滤技术到情报检索系统中,并改进的情报检索系统模型,阐述基于此模型的情报检索系统的工作过程,针对该模型的协同过滤部分实现一原型系统。

基于数据和知识协同的即时信息检索

提出一种即时信息检索体系结构的设计模型。首次将双基协同用于即时信息检索,特别注意到整个系统的负载问题,增加了缓冲知识库,并分析这种即时信息检索的设计方案。知识的可信和系统对终端用户的响应速度仍然需要更进一步深入研究。

结合对象属性与近似检索的协同过滤算法

为解决传统协同过滤算法中评分数据高维稀疏、用户评分偏好属性和物品类别偏好属性缺失,而导致推荐效率较低和推荐质量较差的问题,本文提出一种结合对象属性和近似检索的协同过滤算法.首先,算法基于物品和用户的自有属性分别建立物品类别偏好模型和用户评分偏好模型,并将两种模型线性融合,用以修正原始评分数据.其次,算法采用基于p稳态分布的局部敏感哈希对修正评分数据进行降维与索引,以快速获取目标用户的近邻用户集合.最后,算法通过用户相似性度量计算最近邻用户集合,并基于最近邻用户集合计算目标用户的预测评分.实验结果表明,在不同近邻用户数下,所提算法的准确率和召回率均优于传统的协同过滤算法,且运行效率更高.因此所提算法具有更好的推荐质量和更高效的运行效率.