异构环境下跨域个性化数字资源信息服务模型

发布时间：2021-01-15 08:31

　　基于异构环境视角,构建读者高满意度的跨域数字资源个性化信息服务策略。首先探讨异构环境下跨域个性化数字资源信息服务研究框架,然后从"人-读者"到"系统-推荐"再到"系统-自适应"入手,研究异构环境下数字资源在个性化服务提供过程中涉及的读者上下文模型、跨域推荐及自适应,最终形成具有针对性的信息服务平台模型。应用上下文感知、本体、个性化推荐技术,形成了构建适应异构环境的读者上下文模型、跨域推荐模型、自适应模型基本思路,实现异构环境跨域个性化数字资源信息服务。 

【文章来源】：图书馆学研究. 2020,(16)北大核心CSSCI

【文章页数】：10 页

【部分图文】：

基于智能主体的R/H+D/R框架

核心内容是研究异构环境下数字资源个性化信息服务提供策略,包括异构环境下跨域个性化推荐和异构环境下个性化信息服务自适应机制两个主要方面。在大量文献综述和长期实践工作总结基础上,运用调查分析法构建读者上下文模型,采用OWL本体语言结合FOAF描述读者上下文模型,运用机器学习、统计学习方法预测读者行为和兴趣爱好;从融合读者上下文的联合矩阵分解跨域协同过滤推荐、适应读者环境的服务筛选机制、适应读者环境的重复信息服务最优选择三方面建立异构环境下个性化信息服务推荐;通过研究信息服务运行状态保留措施及新服务定位策略,构建异构环境下个性化信息服务自适应机制。因此,本文提出异构环境下跨域个性化数字资源信息服务研究框架(见图1),其中包含了以下三方面的研究。2.1 异构环境下个性化信息服务读者上下文模型研究

数字图书馆既可以携其拥有的数字资源加入数字资源云平台向读者提供信息服务,也可以通过网络直接向读者提供数字资源服务,形成数字资源大数据服务。对于普通读者来说,按照传统的方式采取主动检索、浏览数字资源信息服务,极易造成“信息迷航”和“信息过载”,即读者在复杂的海量信息空间中迷失航向,因数字资源大数据的复杂性和广泛性造成的无法确切理解和使用信息。解决此问题的有效途径是个性化的主动数字资源信息服务(即个性化的数字资源信息服务推荐),协同过滤(简称CF)是目前最流行的推荐方法(主要是以用户和以项目为基础两类),在大数据环境下以项目为基础的协同过滤已不能满足读者对响应时间的要求,本节探索基于用户的协同过滤在异构环境下跨域数字资源个性化服务推荐中的应用研究。异构环境下基于用户的协同过滤推荐改进方案见图2,研究内容包括以下4个方面。2.2.1 评分数据获取


本文编号：2978589