分类： 图书馆学、情报学 >> 情报学 提交时间： 2023-04-01 合作期刊: 《图书情报工作》
摘要： ［目的/意义］ 考虑用户兴趣和社交关系两方面的动态变化,提出融合用户动态兴趣与社交关系的学者推荐模型。［方法/过程］ 首先,利用不同学科的期刊文献作为分类语料,基于Labeled-LDA模型对学者所发博文进行学科领域判别。然后,依据KNN算法对博文进行学科分类,接着利用学科兴趣变化速率改进时间因子,计算得到学者动态兴趣相似度;根据学者间链接的数量关系计算学者的PageRank值,结合学者所发博文的时间价值计算得到全局信任度。在学者评论、推荐交互行为中引入时间权重计算学者交互信任度,综合全局信任度和交互信任度得到学者的动态社交信任度。最后,融合兴趣相似度与信任度进行学者推荐。［结果/结论］ 虚拟学术社区中融合用户动态兴趣与社交关系的学者推荐模型从动态兴趣和动态社交关系两个视角出发,能够有效提高学者推荐的质量。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2023-04-01 合作期刊: 《图书情报工作》
摘要： [目的/意义] 构建多源文献元数据融合模型，有助于提升文献元数据整体质量，促进资源发现系统中的元数据管理与利用，优化用户资源发现服务体验。针对笔者此前提出的文献元数据判重策略进行优化，从经验为主向自动化转变，在保障判重和融合效果的前提下，提升整个过程的自动化水平。[方法/过程] 针对不同类型文献的元数据项不一样、同一文献不同来源的元数据项不一样均会使得判重方法有所区别的情况，提出一种自动化的基于决策树的多源文献元数据融合模型，将判重问题转化为分类问题，根据特征相似度选择特征并构造决策树，在此基础上实施元数据判重及融合，并以不同类型的文献资源元数据为例进行实验，对策略进行效果验证。[结果/结论] 结果显示，对于5种文献类型元数据，判重策略的准确率均达到99%以上，召回率均达到98%以上，总体效果较好。对于融合策略的效果判断，专利、学位论文、期刊论文、会议论文、图书的元数据项质量提升比例分别为15.15%、36.80%、15.29%、52.63%、15.38%，均有明显幅度的提升。
点击量
点击量
下载量
评论
