数字文献资源内容服务推荐研究——基于本体规则推理和语义相似度计算

【目的】解决传统数字文献资源内容服务推荐中无法充分挖掘资源语义信息等问题。【方法】通过设定本体推理规则对用户查询关键词进行语义扩展,提出一种新的语义相似度计算方法计算文献资源内容相似度。按照相似度大小对搜索结果进行排序,将排名较高的文献推荐给目标用户。【结果】实验结果证明,该方法能够较准确地计算语义相似度,并能够对用户需求进行有效推荐。【局限】缺少对数字资源的大规模采集,实验案例较少。【结论】该方法充分挖掘数字文献资源的语义信息并进行有效推荐,为数字资源内容服务推荐提供一种新思路。

数字文献资源内容服务推荐方法研究

【目的】解决传统数字文献资源内容服务推荐中,无法充分挖掘用户潜在信息需求以及评分矩阵稀疏问题。【方法】利用关联语义链和协同过滤算法提出数字文献资源内容服务推荐算法。【结果】实验结果证明,该算法可以克服单一推荐算法中存在的无法挖掘用户潜在信息需求以及评分矩阵稀疏问题。【局限】缺少对数字资源的大规模采集,实验案例较少。【结论】该算法充分挖掘用户信息需求并产生数字资源推荐信息,为数字资源服务提供商提高用户感知的能力,增强资源服务推荐的准确性和针对性提供了一种新途径。