电子文献资源的推荐方法研究

本文介绍了目前对于电子文献资源、图书资源的推荐算法研究,阐述了基于Word2Vec的推荐算法和基于TF-IDF的推荐算法原理。根据推荐系统最新的研究进展,结合目前最新的多源异构数据嵌入框架异质图神经网络(HeterogeneousGraphNeural Network),提出了对多种数据类型电子文献资源进行推荐的方法,该方法在多源异构数据上进行推荐优于目前的其他方法。     

基于长尾理论的物品协同过滤Top-N推荐算法

传统的基于物品的协同过滤算法在计算物品相似度时,热门商品难以与冷门商品相似,从而冷门商品的推广就更为困难。针对上述问题,在传统的物品协同过滤算法基础上,提出一种改进的类TF-IDF物品相似度算法,同时考虑并排除刷分现象对物品推荐产生的负面影响,使冷门商品在基于长尾理论的推荐系统中有更高的覆盖率和准确率。以MovieLens上的数据集作为实验数据进行实验,实验结果表明,改进后的算法在保持甚至提高准确率的前提下,有效地提高在推荐冷门商品时系统的覆盖率。     

基于MapX技术的限制类物品定位跟踪系统的应用

本系统主要包括四部分:物品标识器、个人携带监视器、车载定位指挥终端和集中监视管理系统。本系统利用MAPX技术在监控终端进行定位、跟踪、监控、回放、超出区域的设置范围进行报警。物品标志器采用手持终端有源的rfid卡,本系统采用vs2008嵌入MAPX5.0控件进行开发,MapX是MapInfo公司设计的一种ActiveX控件,提供了强大的地图操作功能。本系统在初始化时加载地图,监控列表中选择添加物品、设备、区域,在地图上进行定位跟踪显示,对物品和设备超出特定区域进行监控报警。可以对行驶过物品、设备的滚迹进行动态回放显示,并对回放时间进行控制。     

基于社交网络的社会化推荐算法研究

社交网络日趋活跃,基于社交网络的推荐成为电子商务推荐系统研究的热点领域之一;如何利用社交网络数据给用户进行推荐物品,是基于社交网络的推荐算法的研究重点。对社交网络的定义、社交网络数据的分类进行概述,研究基于邻域的社会化推荐和基于图的社会化推荐算法;结合实际推荐系统对社会化推荐算法进行改进设计。     

基于内容分析法的开源软件使用与引用研究——以Word2vec为例

[目的/意义]揭示开源软件Word2vec在学术论文中的可见性和学术影响力,以推进软件引用规范化,促进软件共享和再利用,进而提高科研效率。[方法/过程]文章采用内容分析法对Word2vec在中英文学术论文中的使用和引用情况进行深入分析。[结果/结论]结果表明,使用Word2vec的中英文论文量均逐年增加,但Word2vec引用缺失严重;中英文论文中的软件引用情况存在较大差异,中文论文的软件引用缺失率是英文论文的两倍之多;核心期刊论文中的软件引用缺失率低于一般期刊。最后根据研究结果,提出了推进我国软件引用规范化的对策建议。     

B2C图书商城中的集体智慧的应用研究

集体智慧是一种共享的或者群体的智能,运用集体智慧是Web2.0的应用程序的关键和核心,以集体智慧的视角来分析B2C图书商城中的应用程序。B2C图书商城中集体智慧的应用主要包括四个部分:数据的挖掘,图书推荐,图书推荐结果排序和用户界面定制。通过Web挖掘可利用的显性智慧和隐性智慧,继而对图书商城中的图书推荐和图书搜索结果产生影响,并且可以为图书购买者制定相应的用户界面,不仅提高了图书商城的服务质量,而且增强了用户和Web之间的交互体验性。     

向使用word软件的作者推荐采用《工程勘察》标准版式投稿

近年来，作者大都使用word软件撰稿投稿，但格式自由。本刊应中国学术期刊光盘版电子杂志社要求，特向作者建议在提供本刊决定采用的论文修改稿时，推荐采用如下“《工程勘察》word软件撰稿固定格式”排版。     

当代图书馆的个性化信息推荐

本文首先简要介绍从广泛使用数字和网络技术、智慧化管理和智慧化服务、服务的网络形式或移动形式等不同角度对当代图书馆的特征及发展前景的研究,然后着重介绍近年来理工科研究人员热烈进行的个性化推荐系统研究,最后介绍一些密切结合普遍的个性化推荐系统,又考虑个性化图书推荐特点的文献,并指出这样的研究在国内外都还太少,当代图书馆研究者急须了解理工科的推荐系统研究。     

投稿须知

正文章应具有一定的实用性、前瞻性、学术性,力求理论联系实际,反映近期的应用与研究成果(不接受已公开发表过的论文),并请按本刊论文著录格式要求行文:1.主题突出,观点明确、论据充分、数据准确,内容详实,结构严谨,文字通畅,图表清晰,并欢迎以图形、照片形式表示要点和工序过程,图形、照片推荐使用jpg文件,文字推荐使用word文档,标题一般不超过15字,文章(含图表)     

融合热门度因子基于标签的个性化图书推荐算法

依照Web2.0的"社会化标注"思想,针对基于内容的推荐算法(CBR)和协同过滤推荐算法(CF)存在的不足,提出了基于读者标签(Tags)的、融合图书"热门度"因子的个性化图书推荐的两个改进算法。利用统计分析软件R,重点对改进后的CBR算法进行实验分析和验证,结果表明,改进算法的图书个性化推荐效果有明显改善。