基于潜在语义分析的个性化查询扩展模型

为在信息检索系统中获得更好的查询效果,提出一种混合的个性化查询扩展模型。通过潜在语义分析建立潜在语义空间,并在潜在语义空间中计算得到查询的概念相关扩展词和兴趣相关扩展词,不但有效解决了词典问题,而且满足了不同用户需求多样性和用户多兴趣点的需求。实验表明,该算法能够较好地提高搜索引擎系统的查全率、查准率,以及信息检索效率。

基于语义扩展的个性化知识推荐系统

构建个性化知识推荐系统是数字图书馆实现个性化信息服务的有效手段,推荐服务的关键在于完整地理解用户偏好并能准确作出判断。提出了一种基于语义扩展的知识推荐方法,通过分析读者文献检索、浏览的行为提取读者偏好,利用扩展激活模型建立读者偏好档案,据此对文献资源进行匹配和分级,从而向读者提供个性化的知识推荐服务。

基于语义扩展的数字图书馆知识推荐系统

构建个性化知识推荐系统是数字图书馆实现个性化信息服务的有效手段,推荐服务的关键在于完整地理解用户兴趣并准确作出推荐。文章提出了一种基于语义扩展的知识推荐方法,通过分析读者文献检索、浏览的行为提取读者偏好,利用扩展激活模型扩充读者偏好档案,对文献信息资源进行匹配和分级,通过文献的级别决定推荐的次序,对推荐信息进行反馈,动态更新读者的偏好档案。

科研信息用户与知识服务平台个性化信息推荐功能的交互研究

[目的/意义]开展科研信息用户与知识服务平台个性化信息推荐功能的交互研究,有助于提升对用户推荐交互行为的理解,改善平台的推荐交互设计,从而提升推荐功能的用户体验;也可为优化推荐算法,提升推荐内容有效性提供指导。[方法/过程]招募36名参与者,采用实验研究方法,以CNKI和ScienceDirect为实验平台,利用Morae收集数据,开展用户研究。[结果/结论]研究揭示用户与推荐功能的交互行为、交互路径与交互路径链。主要揭示用户与个性化信息推荐交互的4个阶段、9种交互行为特征及4种交互路径类型;用户对推荐的关注源于检索结果无法满足他们的信息需求。研究发现采纳推荐能够启发用户,进一步影响他们与平台的交互。研究也表明,当前知识服务平台的推荐质量有待提升,用户对推荐的采纳使用率较低,常用的推荐交互路径较短,趋于简单化。

知识地图在图书馆个性化信息推荐服务中的应用研究

针对当前个性化信息推荐服务的不足:推荐的自动化程度低,推荐方法单一,不能灵活地提供多种推荐服务功能,难于对多个推荐工具和大量数据进行动态有效地管理与维护等问题,提出建立个性化信息推荐系统知识地图结构模型的建议。即把知识地图应用到图书馆的个性化信息推荐服务中,借助WIDAS工具提供一个可视化的环境,沿着资源的分布网络快速找到合理有效的资源匹配,进而对资源进行分析,及时把有关信息自动推送给相应的用户,提高推荐服务的效率。