一种基于内容过滤的科技文献推荐算法

个性化推荐技术能够帮助用户快速方便地从大量的电子文献中获得感兴趣的文献,但传统的基于内容过滤的推荐算法不能反映用户对文献需求的兴趣变化,难以区分文献质量的高低。针对上述问题,提出了基于用户访问时间的数据权重和文献重要度,以便更好反应用户的兴趣以及文献质量的优劣,并将这两种度量引入到基于内容过滤的科技文献推荐算法中。实验和分析表明,改进后的算法比传统的内容过滤推荐算法在对文献推荐的准确度上有所提高。

语音情感识别研究进展分析

语音情感识别的研究对于促进人工智能的发展具有重要的意义,分析其研究进展有助于了解目前的发展方向和研究热点。使用文献计量的方法,借助CiteSpace与Python语言对2010年来知网中有关语音情感识别的文献进行分析。分别研究相关文献的发表时间、作者与研究机构、关键词时间分布与词频分布,并对关键词频统计方法做出改进,提出基于文献重要度的关键词分析方法。主要研究热点可以归纳为对语音情感特征的研究、分类方法的研究以及应用方向的研究三个方面。此外,“情感智能”、“多模态融合”、“非个性化特征”和“情感语音合成”等也是近年值得关注的研究主题。