科技文献查询推荐系统设计

doi:10.7536/j.issn.0252-3116.2013.04.023

图书情报工作 ›› 2013, Vol. 57 ›› Issue (04): 131-137.DOI: 10.7536/j.issn.0252-3116.2013.04.023

科技文献查询推荐系统设计

徐勇¹, 华文立², 沈小玲³, 司凤山¹, 周善英¹

1. 安徽财经大学管理科学与工程学院;
2. 安徽电子信息职业技术学院教科处;
3. 安徽财经大学图书馆

收稿日期:2012-09-27 修回日期:2013-01-15 出版日期:2013-02-20 发布日期:2013-02-20
作者简介:徐勇,安徽财经大学管理科学与工程学院副教授,E-mail:uxyong@yahoo.com.cn;华文立,安徽电子信息职业技术学院教科处副教授、副处长;沈小玲,安徽财经大学图书馆副研究馆员;司凤山,安徽财经大学管理科学与工程学院讲师;周善英,安徽财经大学管理科学与工程学院讲师。
基金资助:
本文系教育部人文社会科学研究青年基金项目"科技文献推荐系统若干问题研究"(项目编号:09YJC870001)和教育部人文社会科学研究规划基金项目"云计算环境下企业数据外包服务中的用户隐私保护问题研究"(项目编号:12YJA630136)的研究成果之一。

Design of Inquires Recommendation System of Science and Technology Literature

Xu Yong¹, Hua Wenli², Shen Xiaoling³, Si Fengshan¹, Zhou Shanying¹

1. School of Management Science & Engineering, Anhui University of Finance & Economics, Bengbu 233030;
2. College of Software, Anhui Vocational College of Electronics & Information Technology, Bengbu 233030;
3. Anhui University of Finance & Economics Library, Bengbu 233030

Received:2012-09-27 Revised:2013-01-15 Online:2013-02-20 Published:2013-02-20

摘要/Abstract

摘要：

针对已有科技文献查询方法往往会遗漏"特征字符不同、但语义相似"的推荐对象的问题,从特征词语义角度研究用户兴趣偏好、科技文献特征的表示方法;提出考虑语义的科技文献与用户兴趣偏好相似性度量方法。在分析个性化科技文献查询推荐业务流程的基础上,设计个性化科技文献查询推荐原型系统ALRS,介绍ALRS的设计思路、功能模块;分析该系统核心算法CGR算法的关键数据结构;详细讨论CGR算法中"基于概念泛化的相似性度量方法"的设计思路,并给出实现该原型系统的核心代码及执行示例。

关键词: 科技文献, 推荐系统, 概念泛化, 相似性度量

Abstract:

Common recommendation systems often miss literatures with "different characters" but "similarity in semantic". The representation of user’s interest model and feature of science and technology literature is studied from the semantic perspective of check tags, and furthermore semantic-based similarity measure is discussed. Based on the analysis of the recommendation process, ALRS is proposed, which is the personalized recommendation prototype system of science and technology literature. This paper introduces the design idea and function module, analyzes the critical data structures of CGR algorithm, discusses the design idea of similarity measure based on concept generalization in this algorithm, and gives the core code and an execution example of algorithm.

Key words: science and technology literature, recommendation system, concept generalization, similarity measure

中图分类号:

C931.6

徐勇, 华文立, 沈小玲, 司凤山, 周善英. 科技文献查询推荐系统设计[J]. 图书情报工作, 2013, 57(04): 131-137.

Xu Yong, Hua Wenli, Shen Xiaoling, Si Fengshan, Zhou Shanying. Design of Inquires Recommendation System of Science and Technology Literature[J]. LIS, 2013, 57(04): 131-137.

参考文献

[1] 赖院根. 科技文献跨语言推荐模型研究[J].中国图书馆学报,2012,38(2):70-77.

[2] 张海营. 基于关联规则的图书馆读者聚类算法研究[J]. 图书情报工作,2011,55(19):110-114.

[3] 臧铖. 个性化搜索中隐私保护的关键问题研究[D]. 杭州:浙江大学,2008.

[4] Wang Tingzhong. The ontology recommendation system in e-commerce based on data mining and Web mining technology [J]. Advances in Intelligent and Soft Computing, 2012,149(2): 533-536.

[5] 黄晓斌, 张海娟. 国外数字图书馆推荐系统评述 [J]. 情报理论与实践, 2010, 33(8): 125-128.

[6] Goldberg D, Nichols D, Okib M, et al. Using collaborative filtering to weave an information tapestry [J]. Communications of the ACM, 1992, 35(12): 61-70.

[7] Massa P, Avesani P. Trust-aware collaborative filtering for recommender systems [J]. Lecture Notes in Computer Science, 2004.

[8] 赵俊杰. 一种用于关键词检索的快速字符串精确匹配算法[J]. 计算机系统应用, 2010, 19(2): 189-191.

[9] 李永, 徐德智, 张勇,等. VRE中基于内容过滤的论文推荐算法[J]. 计算机应用研究, 2007, 24(9): 58-61.

[10] 赵俊杰. 论文抄袭检测中特征选择[J]. 计算机系统应用, 2009,18(9):101-104.

[11] 吴忠,朱君璇.信息系统分析与设计[M].北京:清华大学出版社,2011.

[12] [EB/OL].[2012-05-27].http://www.dmoz.org/.

[13] 余永红,柏文阳. 安全数据库隐私保护和访问控制集成研究[J]. 计算机应用研究,2010, 27(10): 3876-3879.

[14] 王平水. 关联规则挖掘算法研究[J]. 计算机工程与应用, 2010, 46(30): 115-116.

[15] 王平水. 基于聚类的匿名化隐私保护技术研究[J]. 现代图书情报技术, 2010(11): 53-58.

[16] 王平水,王建东. 匿名化隐私保护技术研究进展[J]. 计算机应用研究, 2010, 27(6): 2016-2019.

[17] 王平水, 王建东. 匿名化隐私保护技术研究综述[J]. 小型微型计算机系统, 2011, 32(2): 248-252.

[18] 王平水, 马钦娟. 隐私保护k-匿名算法研究[J]. 计算机工程与应用, 2011, 47(28): 117-120.

科技文献查询推荐系统设计

Design of Inquires Recommendation System of Science and Technology Literature

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]	庞弘燊, 钟秀梅. 颠覆性技术产生过程的多源数据多特征项可视化研究[J]. 图书情报工作, 2022, 66(19): 122-131.
[2]	董美, 常志军. 一种面向中医领域科技文献的实体关系抽取方法[J]. 图书情报工作, 2022, 66(18): 105-113.
[3]	张吉玉, 张均胜. 考虑时序的单篇科技文献新颖性评估方法[J]. 图书情报工作, 2022, 66(17): 93-105.
[4]	孙坦, 黄永文, 张建勇, 赵瑞雪, 鲜国建, 李娇. 开放科学环境下国家科技文献发展战略研究与展望[J]. 图书情报工作, 2020, 64(14): 3-12.
[5]	刘蕾蕾, 王胜涛, 胡正银. 社区画像研究综述[J]. 图书情报工作, 2019, 63(23): 122-130.
[6]	程秀峰, 张孜铭, 孟亚琪, 范晓莹, 杨金庆. 知识找回场景下推荐系统模拟实现及评价研究[J]. 图书情报工作, 2019, 63(16): 72-83.
[7]	秦春秀, 杨智娟, 赵捧未, 刘杰. 面向科技文献知识表示的知识元本体模型[J]. 图书情报工作, 2018, 62(3): 94-103.
[8]	于改红, 张智雄, 马娜. 科技文献语篇元素自动标注模型研究综述[J]. 图书情报工作, 2018, 62(15): 132-144.
[9]	朱白. 数字图书馆推荐系统协同过滤算法改进及实证分析[J]. 图书情报工作, 2017, 61(9): 130-134.
[10]	李民, 王颖纯, 刘燕权. “211工程”高校图书馆馆藏资源推荐系统调查探析[J]. 图书情报工作, 2016, 60(9): 55-60.
[11]	刘先红, 李纲. 科研社交网络的推荐系统对比分析[J]. 图书情报工作, 2016, 60(9): 116-122.
[12]	洪亮, 任秋圜, 梁树贤. 国内电子商务网站推荐系统信息服务质量比较研究——以淘宝、京东、亚马逊为例[J]. 图书情报工作, 2016, 60(23): 97-110.
[13]	沈旺, 马一鸣, 李贺. 基于情境感知的用户推荐系统研究综述[J]. 图书情报工作, 2015, 59(21): 128-138.
[14]	石崇德, 乔晓东, 王惠临, 屈鹏. 中文科技文献切分的领域适应技术研究[J]. 图书情报工作, 2014, 58(19): 13-18.
[15]	丁洁, 王曰芬. 基于特征项的文献共现网络在学术信息检索中的应用[J]. 图书情报工作, 2014, 58(15): 135-141.