图书情报工作

图书情报工作 >

2018 , Vol. 62 >Issue 8: 67 - 73

DOI: https://doi.org/10.13266/j.issn.0252-3116.2018.08.009

情报研究

基于用户社交网络分析的高校图书馆主题多样性阅读推荐

  • 柳益君 ,
  • 何胜 ,
  • 吴智勤 ,
  • 赵小荣 ,
  • 习海旭
展开
  • 1. 江苏理工学院计算机工程学院 常州 213001;
    2. 江苏理工学院图书馆 常州 213001;
    3. 常州市云计算与智能信息处理重点实验室 常州 213001
柳益君(ORCID:0000-0002-5381-6084),副教授,硕士,E-mail:yijunliu@vip.sina.com;何胜(ORCID:0000-0001-6762-8271),副教授,博士;吴智勤(ORCID:0000-0002-8230-7078),助理馆员;赵小荣(ORCID:0000-0002-5678-150X),高级实验师;习海旭(ORCID:0000-0002-7803-7423),副教授。

收稿日期: 2017-11-08

  修回日期: 2018-01-07

  网络出版日期: 2018-04-20

基金资助

本文系国家社会科学基金一般项目"基于大规模网络分析方法和内存计算技术的高校图书馆大数据应用模式与实证研究"（项目编号：15BTQ016）、教育部人文社会科学研究青年基金项目"大数据时代高校图书馆多样性的个性化推荐服务研究"（项目编号：17YJC870011）和江苏省高校哲学社会科学研究项目"SPOC混合式教学中学习支持服务的建构和实证研究"（项目编号：2017SJB1743）研究成果之一。

收起

Reading Recommendation with Subject Diversity of University Libraries Based on Analysis of User Social Network

  • Liu Yijun ,
  • He Sheng ,
  • Wu Zhiqin ,
  • Zhao Xiaorong ,
  • Xi Haixu
Expand
  • 1. School of Computer Engineering, Jiangsu University of Technology, Changzhou 213001;
    2. Jiangsu University of Technology Library, Changzhou 213001;
    3. Key Laboratory of Cloud Computing & Intelligent Information Processing of Changzhou City, Changzhou 213001

Received date: 2017-11-08

  Revised date: 2018-01-07

  Online published: 2018-04-20

Fold

摘要

[目的/意义] 推荐结果覆盖用户的不同兴趣领域，良好的主题多样性对于提高图书馆个性化阅读推荐服务的用户满意度具有重要意义。[方法/过程] 提出一种基于社交网络分析的阅读推荐方法，通过用户的兴趣相似好友，挖掘用户的多样隐性兴趣，为用户提供主题多样性的阅读推荐，并给出具有良好学科主题多样性的高校图书馆图书推荐案例。[结果/结论] 用户社交网络分析可为高校图书馆发现用户的多样兴趣，进而提供主题多样性的阅读推荐服务，构建用户多元知识结构提供新途径。

关键词： 高校图书馆; 用户社交网络分析; 个性化阅读推荐; 主题多样性

本文引用格式

柳益君 , 何胜 , 吴智勤 , 赵小荣 , 习海旭 . 基于用户社交网络分析的高校图书馆主题多样性阅读推荐[J]. 图书情报工作, 2018 , 62(8) : 67 -73 . DOI: 10.13266/j.issn.0252-3116.2018.08.009

Abstract

[Purpose/significance] That the recommendation results cover the diverse interests of users and have good subject diversity is of great significance for improving the user satisfaction of library personalized reading recommendation services.[Method/process] This paper proposes a reading recommendation method based on social network analysis, which supplies users with reading recommendation with subject diversity through mining the user's diverse implicit interests by his friends who have similar interests with him. A book recommendation case of university library which has good subject diversity is given.[Result/conclusion] The analysis of user social network supplies university libraries with the new way of discovering diverse interests of users so as to provide reading recommendation services with subject diversity and construct the multiple knowledge structure of users.

Key words： university library; analysis of user social network; personalized reading recommendation; subject diversity

参考文献

[1] 胡吉明, 张蔓蒂. 基于知识社区的高校数字图书馆服务拓展[J]. 图书情报知识, 2014(3):117-123.
[2] 柳益君, 何胜, 熊太纯, 等. 大数据挖掘视角下的图书馆智慧服务——模型、技术和服务[J]. 现代情报, 2017, 37(11):81-86.
[3] 阮光册, 夏磊. 推荐系统的发展与公共图书馆个性化信息服务探讨[J]. 图书馆, 2016(2):94-99.
[4] 邱丰. 我国图书馆参考咨询中社交媒体利用情况调查研究[J]. 图书馆学研究, 2017(23):65-69.
[5] 刘璇. 图书馆领域社交网络应用研究述评与展望[J]. 中国图书馆学报, 2016, 42(6):102-116.
[6] 张泸月. 用户满意度视角下社交阅读推广服务的路径选择[J]. 图书情报工作, 2016, 60(21):61-67.
[7] ROSSMANN D, YOUNG S W H. Social media optimization:making library content shareable and engaging[J]. Library hi technology, 2015, 33(4):526-544.
[8] TSUJI K, TAKIZAWA N, SATO S, et al. Recommendation based on library loan records and bibliographic information[J]. Procedia-social and behavioral sciences, 2014, 147:478-486.
[9] LI R. Simulation research of university library recommended system based on big data and data mining[C]//3rd international conference on machinery, materials and information technology applications, Qingdao, Atlantis, 2015:202-206.
[10] HE P. The research on personalized recommendation algorithm of library based on big data and association rules[J]. The open cybernetics & systemics journal, 2015, 9(1):2554-2558.
[11] 袁银池, 王秀红, 金玉成. 基于用户阅读行为的主动推送微服务模式研究——以专利文献为例[J]. 情报理论与实践, 2017, 40(1):98-103.
[12] 袁虎声, 赵洗尘. 基于加权借阅网络的个性化推荐算法与实现[J]. 图书情报工作, 2016, 60(10):130-134.
[13] AKBAR M, SHAFFER C A, FAN W, et al. Recommendation based on deduced social networks in an educational digital library[C]//2014 IEEE/ACM joint conference on digital libraries, London, IEEE, 2014:29-38.
[14] 田磊, 任国恒, 王伟. 基于聚类优化的协同过滤个性化图书推荐[J]. 图书馆学研究, 2017(8):75-80.
[15] 何胜, 冯新翎, 武群辉, 等. 基于用户行为建模和大数据挖掘的图书馆个性化服务研究[J]. 图书情报工作, 2017, 61(1):40-46.
[16] 唐晓波, 周咏. 基于图书基因组的个性化图书推荐研究[J]. 图书馆学研究, 2017(2):76-85.
[17] 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(1):94-99.
[18] 曾子明, 陈贝贝. 移动环境下基于情境感知的个性化阅读推荐研究[J]. 情报理论与实践, 2015, 38(12):31-36.
[19] 张闪闪, 黄鹏. 基于LBS的图书馆个性化推荐系统的构建[J]. 图书馆杂志, 2015, 34(12):61-68.
[20] 洪亮, 钱晨, 樊星. 移动数字图书馆资源的情境感知个性化推荐方法研究[J]. 现代图书情报技术, 2016, 32(z1):110-119.
[21] ZIEGLER C N, LAUSEN G. Making product recommendations more diverse[J]. Bulletin of the IEEE computer society technical committee on data engineering, 2009, 32(4):23-32.
[22] SCHEDL M, HAUGER D. Tailoring music recommendations to users by considering diversity, mainstreaminess, and novelty[C]//The 38th international ACM SIGIR conference on research & development in information retrieval, Santiago, ACM, 2015:947-950.
[23] YAMABA H, TANOUE M, TAKATSUKA K, et al. On a serendipity-oriented recommender system based on folksonomy and its evaluation[J]. Procedia computer science, 2013(22):276-284.
[24] 胡吉明, 林鑫. 基于热传导能量扩散的社会化小众推荐融合算法设计[J]. 情报理论与实践, 2016, 39(4):119-123.
[25] 周涛. 个性化推荐的十大挑战[J]. 中国计算机学会通讯, 2012, 8(7):48-61.
[26] ZHOU T, KUSCSIK Z, LIU J G, et al. Solving the apparent diversity-accuracy dilemma of recommender systems[J]. Proceedings of the National Academy of Sciences of the United States of America, 2010, 107(10):4511-4515.
[27] LU L, LIU W. Information filtering via preferential diffusion[J]. Physical review E,2011,83(6):066119.
[28] LIU J G, ZHOU T, GUO Q. Information filtering via biased heat conduction[J]. Physical review E, 2011, 87(1):037101.
[29] NEWMAN M E J. The structure and function of complex networks[J]. Siam review, 2003, 45(2):167-256.
[30] 安维, 刘启华, 张李义. 个性化推荐系统的多样性研究进展[J]. 图书情报工作, 2013, 57(20):127-135.
[31] 张富国, 徐升华. 基于信任的电子商务推荐多样性研究[J]. 情报学报, 2010, 29(2):350-355.
[32] WU Q, LIU S, MIAO C, et al. A social curiosity inspired recommendation model to improve precision, coverage and diversity[C]//2016 IEEE/WIC/ACM international conference on web intelligence, Omaha, IEEE, 2016, 240-247.
[33] WU H, CUI X, HE J, et al. On improving aggregate recommendation diversity and novelty in folksonomy-based social systems[J]. Personal and ubiquitous computing, 2014, 18(8):1855-1869.
[34] 项亮. 推荐系统实践[M]. 北京:人民邮电出版社,2012.
[35] 中图分类号[EB/OL].[2018-01-23]. https://baike.baidu.com/item/中图分类号.
Options
文章导航

/

〈 〉