基于用户兴趣度量的知识发现服务精准推荐

doi:10.13266/j.issn.0252-3116.2019.03.003

图书情报工作 ›› 2019, Vol. 63 ›› Issue (3): 21-29.DOI: 10.13266/j.issn.0252-3116.2019.03.003

• 专题：数据驱动下数字图书馆知识发现服务优化与应用研究 • 上一篇下一篇

基于用户兴趣度量的知识发现服务精准推荐

丁梦晓¹, 毕强¹, 许鹏程¹, 李洁¹, 牟冬梅²

1. 吉林大学管理学院长春 130022;
2. 吉林大学公共卫生学院长春 130021

收稿日期:2018-07-06 修回日期:2018-10-10 出版日期:2019-02-05 发布日期:2019-02-05
通讯作者: 牟冬梅(ORCID:0000-0003-0237-034X),教授,博士生导师,通讯作者,E-mail:moudm@jlu.edu.cn
作者简介:丁梦晓(ORCID:0000-0002-6903-8360),硕士研究生;毕强(ORCID:0000-0001-7381-4986),教授,博士生导师;许鹏程(ORCID:0000-0001-5519-8550),硕士研究生;李洁(ORCID:0000-0002-3929-729X),博士研究生。
基金资助:
本文系国家自然科学基金面上项目"嵌入式知识服务驱动下的领域多维知识库构建"（项目编号：71573102）研究成果之一。

Research on Precise Recommendation of Knowledge Discovery Services Based on Users Interests

Ding Mengxiao¹, Bi Qiang¹, Xu Pengcheng¹, Li Jie¹, Mu Dongmei²

1. School of Management, Jilin University, Changchun 130022;
2. School of Public Health, Jilin University, Changchun 130021

Received:2018-07-06 Revised:2018-10-10 Online:2019-02-05 Published:2019-02-05

摘要/Abstract

摘要： [目的/意义]针对当前知识发现服务中存在的个性化程度不高和推荐效果不佳等问题，提出一种基于用户兴趣度量和内容分析的推荐算法。[方法/过程]文章通过特征词分布、LDA主题分布、引文结构网络三个维度构建学术资源模型，并通过对用户行为的度量，计算用户对其浏览学术资源的兴趣度，结合学术资源模型构建用户兴趣模型。将用户兴趣模型与学术资源模型匹配，计算其相似度，得到用户对每条学术资源的兴趣值，最后将兴趣值最高的TOP-N学术资源推荐给用户。[结果/结论]通过实验检验算法的有效性和推荐准确率，结果显示，本文从实时动态度量兴趣的角度，提出的推荐算法能较好地预测用户兴趣，推荐效果显著，为实现发现服务精准推荐提供思路。

关键词: 用户兴趣, 内容分析, 发现服务, 精准推荐

Abstract: [Purpose/significance] This paper proposes a recommendation algorithm based on user interest metrics and content analysis for the current issues of low personalization and poor recommendation in knowledge discovery services. [Method/process] Through characteristic word distribution, LDA topic distribution and citation association, this paper constructs the academic resource model. Through the measurement of user behavior (browsing time, downloading, forwarding, collecting, etc.), the user's interest in browsing academic resources can be calculated, and the user interest model is constructed. Matching the user interest model with the academic resource model and calculating its similarity, the user's interest value for each academic resource can be obtained. Finally, the TOP-N academic resources with the highest interest value can be recommended to the user. [Result/conclusion] The paper tests the effectiveness of the algorithm and the accuracy of the recommendation through experiments. From the experimental results, we can show that the recommendation algorithm can predict the user's interest better and the recommendation effect is significant, simultaneously providing ideas for precise recommendation of discovery services.

Key words: user interest, content analysis, discovery service, precise recommendation

中图分类号:

G251

丁梦晓, 毕强, 许鹏程, 李洁, 牟冬梅. 基于用户兴趣度量的知识发现服务精准推荐[J]. 图书情报工作, 2019, 63(3): 21-29.

Ding Mengxiao, Bi Qiang, Xu Pengcheng, Li Jie, Mu Dongmei. Research on Precise Recommendation of Knowledge Discovery Services Based on Users Interests[J]. LIS, 2019, 63(3): 21-29.

参考文献

[1] 毕强,刘健.基于领域本体的数字文献资源聚合及服务推荐方法研究[J].情报学报,2017,36(5):452-460.
[2] WALTERS W H. Google Scholar coverage of a multidisciplinary field[J]. Information processing & management, 2007, 43(4):1121-1132.
[3] YANG S Q, WAGNER K. Evaluating and comparing discovery tools:how close are we towards next generation catalog?[J]. Library hi tech, 2010, 28(4):690-709.
[4] MICHAEL G. The evaluation of discovery services at Lynchburg College:2009-2010[J]. College & undergraduate libraries, 2012, 19(2-4):387-397.
[5] 秦红.普适计算环境中的数字资源感知服务框架探讨[J].图书情报工作,2014,58(5):13-16,21.
[6] 张钧.基于用户画像的图书馆知识发现服务研究[J].图书与情报,2017(6):60-63.
[7] GUAN P, WANG Y F. Personalized scientific literature recommendation based on user's research interest[C]//International conference on natural computation, Fuzzy systems and knowledge discovery. Changsha:IEEE, 2016:1273-1277.
[8] RICCI F, ROKACH L, SHAPIRA B, et al. Recommender systems handbook[M]. New York:Springer, 2011.
[9] RAZMERITA L. An ontology-based framework for modeling user behavior-a case study in knowledge management[J]. IEEE transactions on systems, man, and cybernetics-part A:systems and humans, 2011,41(4):772-783.
[10] 李学明,李海瑞,薛亮,等.基于信息增益与信息熵的TFIDF算法[J].计算机工程,2012,38(8):37-40.
[11] 王振振,何明,杜永萍.基于LDA主题模型的文本相似度计算[J].计算机科学,2013,40(12):229-232.
[12] 王传清,毕强. 超网络视域下的数字资源深度聚合研究[J]. 情报学报,2015(1):4-13.
[13] 刘洪伟,高鸿铭,陈丽,等.基于用户浏览行为的兴趣识别管理模型[J].数据分析与知识发现,2018(2):74-85.
[14] 曾子明,金鹏.基于用户兴趣变化的数字图书馆知识推荐服务研究[J].图书馆论坛,2016,36(1):94-99.
[15] KRISHNAMOORTHY R, SUNEETHA K R. User interest estimation using behavior monitoring measure[J]. Transplantation, 2013, 78(2):651-652.
[16] CLAYPOOL M, BROWN D, LE P, et al. Inferring user interest[J]. IEEE internet computing, 2001, 5(6):32-39.
[17] ZHENG L, CUI S, YUE D, et al. User interest modeling based on browsing behavior[C]//International conference on advanced computer theory and engineering. Chengdu:IEEE, 2010:V5-455-V5-458.
[18] 张海鹏. 基于Web日志挖掘的个性化推荐研究[D].重庆:重庆大学,2007.
[19] JEH G, WIDOM J. SimRank:a measure of structural-context similarity[C]//Eighth ACM SIGKDD international conference on knowledge discovery and data mining. Edmonton:ACM, 2002:538-543.
[20] 尹丽玲,刘柏嵩,王洋洋.跨类型的学术资源优质推荐算法研究[J].情报学报,2017,36(7):715-722.

基于用户兴趣度量的知识发现服务精准推荐

Research on Precise Recommendation of Knowledge Discovery Services Based on Users Interests

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	苏辀恒, 张敏, 王锦. 图书情报领域情感研究现状述评[J]. 图书情报工作, 2022, 66(6): 137-147.
[2]	戴艳清, 胡逸夫. 公共数字文化服务可及性要素研究[J]. 图书情报工作, 2022, 66(16): 57-68.
[3]	欧石燕, 凌洪飞. 引用文本自动分类及其应用研究[J]. 图书情报工作, 2022, 66(16): 125-136.
[4]	杨宁, 张志强. 结合计量分析和内容分析的科学数据集使用特征研究[J]. 图书情报工作, 2022, 66(10): 122-130.
[5]	孙倬, 赵红, 王宗水. 网络舆情研究进展及其主题关联关系路径分析[J]. 图书情报工作, 2021, 65(7): 143-154.
[6]	刘竟, 王亚楠, 杨志刚. 我国图书馆学博士学位论文的理论应用分析[J]. 图书情报工作, 2021, 65(3): 34-42.
[7]	刘萍, 王朝阳, 倪江雪. 大学生网络协作学习中的认知策略研究[J]. 图书情报工作, 2021, 65(3): 109-117.
[8]	刘云婷, 翟冉冉, 韩正彪. 用户信息行为理论模型的扩散与影响研究——以Wilson信息行为模型为例[J]. 图书情报工作, 2021, 65(22): 96-105.
[9]	包鑫, 柯平. 访谈法在我国图书情报领域的应用探析——基于534篇文献的文献计量与内容分析[J]. 图书情报工作, 2021, 65(15): 71-77.
[10]	段美珍, 初景利, 张冬荣, 解贺嘉. 智慧图书馆的内涵特点及其认知模型研究[J]. 图书情报工作, 2021, 65(12): 57-64.
[11]	张汝昊. 基于语义和位置相似的作者共被引分析方法及效果实证[J]. 图书情报工作, 2020, 64(8): 111-124.
[12]	李慧芳, 孟祥保. 近十年国内外图书馆资源发现系统研究与实践进展述评[J]. 图书情报工作, 2020, 64(6): 120-129.
[13]	白如江, 张庆芝, 孙一钢. 科技文献知识基因表达及遗传与变异研究[J]. 图书情报工作, 2020, 64(4): 78-87.
[14]	苗美娟. 我国全民阅读地方性立法的内容解读及特点分析[J]. 图书情报工作, 2020, 64(23): 12-21.
[15]	陈强, 张杨一, 马晓悦, 曾润喜. 政务B站号信息传播效果影响因素与实证研究[J]. 图书情报工作, 2020, 64(22): 126-134.