分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-10-08 合作期刊: 《知识管理论坛》
摘要： [目的/意义]在深度数字化发展的背景下，数字人文成为跨学科深度融合的发展领域，学者之间的科研合作日益频繁，需要对其日趋复杂的合作关系进行分析与挖掘，帮助学者获得潜在的合作机会以促进学术交流。[方法/过程]将学者、机构、关键词作为节点数据，合著、被引、任职、研究主题作为关系数据，构建学者合作图谱，基于图数据库Neo4j进行存储，并利用Cypher查询语言和GDS算法库对数字人文领域学者的合作社区发现、核心学者识别、合作趋势预测进行分析。[结果/结论]实验结果证明，Neo4j数据库较好地实现了数字人文领域学者合作网络的构建和图谱分析，能够帮助学者们在众多研究者当中快速地寻找与自己研究兴趣和方向高度关联的跨学科学者，从而促进数字人文领域学者合作与学科发展。
分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-10-08 合作期刊: 《知识管理论坛》
摘要： [目的/意义]关键词作为应用最为广泛的文献知识单元，对于其语义关系的深入挖掘可为知识关联、资源推荐等工作提供底层支持。[方法/过程]基于关键词直接共现与间接共现关系对关键词之间的相关性进行挖掘，在此基础上对关键词的分布情况进行分析并结合关键词概念范围大小构建关键词间的层次结构。[结果/结论]以“知识图谱”为根节点，演示关键词层次结构构建步骤，研究表明，该方法具有一定的可行性和有效性，能够较好地构建关键词层次结构。
分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-10-08 合作期刊: 《知识管理论坛》
摘要： [ 目的 / 意义 ] 针对当前数字档案服务质量智能化程度不足、服务内容单一等短板，设 想构建数字档案知识图谱整体架构，达到数字档案大数据的统计分析、数字档案资源集成优化 以及数字档案整体服务水平提升的目的。［方法 / 过程］通过收集文献分析数字档案馆的服务 缺陷，体验式调研各省市数字档案馆网页服务水平，汇总各档案馆目前服务模式的不足，完善 数字档案知识图谱架构流程，最终以流程图的形式展示。[ 结果 / 结论 ] 知识图谱能够将多种 类型的数字档案文本转化为计算机可理解的数据，提高计算机智能识别水平，同时图谱所具备 的动态时序性和针对性能够按照时间节点提高档案整合程度，同时基于用户浏览检索痕迹更新 用户数据，提升服务质量，并增强数字档案馆之间的合作交流以达到整合资源的效果，为更好 地优化数字档案服务提供有益参考。
分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-08-26 合作期刊: 《图书情报工作》
摘要： [目的/意义]非物质文化遗产资源具有重要的社会价值，将主题图技术应用于非物质文化遗产数字资源的整合中，能够更好地实现非物质文化遗产数字资源的传承与保护。[方法/过程]在分析非物质文化遗产数字资源的主题、关联关系和资源标引的基础上，构建非物质文化遗产数字资源主题图并实现其可视化。[结果/结论]研究结果显示，主题图技术的应用可以为非物质文化遗产数字资源提供基于语义的整合，并将主题之间的关联直观地展示给用户，为用户提供可视化导航。
分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-08-26 合作期刊: 《图书情报工作》
摘要： [目的/意义]针对目前使用标签推荐方法所得结果不理想的问题，改进传统相似度计算方式，并结合多种标签推荐方法，提高推荐准确性。[方法/过程]融合基于内容与协同过滤的推荐思想，利用LDA进行相似度计算得出资源与用户的近邻集合，并抽取资源内容关键词，以此构建标签混合推荐模型，最后以豆瓣读书为例对模型进行验证，同时与几种标签推荐方法进行比较。[结果/结论]在社会标注系统中，必须考虑用户-资源-标签3个维度，仅考虑单一角度势必会造成结果的不完整，同时在相似度计算时引入LDA能够挖掘潜在语义关系，提高推荐质量，且组合多种方法取长补短可以令推荐结果更为满意。
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] 针对生物信息学中著名的序列比对算法在文本相似度中的应用，改进前人的方法并提高文本相似度计算的准确性。[方法/过程] 首先，对目标文本进行规范化处理，构成中文序列集。随后，利用训练好的Word2vec中的Skip-Gram模型来构建该中文序列集的语词对打分矩阵并制定好打分规则。最后，对中文序列两两进行全局比对并获得比对的最优解，回溯得到最优解的比对路径，计算中文序列的相似度。[结果/结论] 实证结果表明，相较于传统方法，本文方法融合词向量模型提升文本相似度计算的准确性并有效解决传统方法中出现重复词对的问题。
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] 针对序列比对算法在文本相似度中的应用，改进全局比对算法并提高该算法的准确性，同时，应用局部比对算法有效解决内容差异或长短差异较大的两文本进行比对的问题。[方法/过程] 首先，利用HanLP中的CRF模型对在线学术资源中文文本数据集进行规范化处理，构成中文序列集；然后，使用最新的中文维基百科语料训练Word2Vec模型来构建语词对打分矩阵；最后，基于打分矩阵和改进的打分规则，对进行全局比对/局部比对的两中文序列进行比对并获得比对的最优解，回溯该最优解，获取最优解的比对路径，计算两中文序列的相似度。[结果/结论] 实验结果表明，相较于目前全局比对算法的相关研究，本文基于词性标注的结果与Word2Vec构建的语词对打分矩阵进一步提升了全局比对算法计算文本相似度的准确性，同时，应用于文本相似度计算的局部比对算法能够有效解决内容差异或长短差异较大的两文本进行比对的问题。
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] 基于网络社交平台中社群话题及用户兴趣挖掘而生成的社群标签，能够提高社群定义的及时性与准确性，解决用户信息获取、网络社群选择的困难。[方法/过程] 通过对网络社群的深入分析，发现社群特征可根据社群话题及用户兴趣予以表征。首先，利用主题提取BTM模型对网络社群话题进行主题模型训练，从而得到网络社群话题预标签；其次，根据社群成员兴趣标签网络中不同类型的重要节点指标，利用TOPSIS多指标综合评价方法挖掘成员整体兴趣，从而得到网络社群成员兴趣预标签。综合两者结果生成社群标签并进行优化，且以"豆瓣小组"为例进行实证。[结果/结论] 基于社群话题及成员兴趣的社群标签生成模型能够准确地挖掘主要兴趣及近期关注点，社群整体的标签生成有利于网络用户兴趣群体的选择。
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] 结合国内外文献调研与平台社会视阈下大学生网络信息安全素养的表征，构建大学生网络信息安全素养能力评价指标体系并进行实证分析，为网络信息安全素养科学测评提供参考。[方法/过程] 结合前期研究初步构建起面向新环境的大学生网络信息安全素养评价指标体系并开展网络问卷调研，利用探索性因子分析方法，基于数据样本提取出"网络信息安全知识""平台安全使用基本技能"等8个一级指标，同时采用变异系数法为各级指标赋予权重系数并进行实证分析。[结果/结论] 实证结果表明，大学生在涉及网络信息安全基本意识层面的指标中表现相对较好，而在深层次多元认知、具体知识与实践技能层面存在较大的提升空间，同时研究还发现指标得分在不同年级、不同专业与不同类型高校大学生之间并未呈现显著的差异。基于此围绕"国家—高校—学生个体"3个相关主体提出平台社会视阈下大学生网络信息安全素养提升的对策建议。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2017-12-05 合作期刊: 《数据分析与知识发现》
摘要： 【目的】利用用户标签及关系网络, 为用户推荐潜在的相似用户。【方法】通过探究社会化标注系统中标 签、关系网络所表征的用户长短期兴趣特征, 综合用户标签及关注关系, 利用多维尺度法构建用户聚类模型, 根 据用户聚类结果进行相似用户推荐, 并以“微博”为例对模型进行实证。【结果】实验结果表明, 基于标签和关系 网络的用户聚类模型能够有效地结合用户长短期兴趣特征, 挖掘潜在相似用户, 聚类及推荐效果较好。【局限】 样本数据集具有局限性, 不能完全涵盖用户兴趣领域, 仅从一个领域验证了模型的准确性与有效性。【结论】通 过对用户标签及关系网络挖掘用户长短期兴趣, 构建的基于用户静态标签与动态关系网络的用户推荐模型, 对 个性化用户推荐效果有较好的提升。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2017-11-30 合作期刊: 《数据分析与知识发现》
摘要： 【目的】利用用户标签及关系网络, 为用户推荐潜在的相似用户。【方法】通过探究社会化标注系统中标 签、关系网络所表征的用户长短期兴趣特征, 综合用户标签及关注关系, 利用多维尺度法构建用户聚类模型, 根 据用户聚类结果进行相似用户推荐, 并以“微博”为例对模型进行实证。【结果】实验结果表明, 基于标签和关系 网络的用户聚类模型能够有效地结合用户长短期兴趣特征, 挖掘潜在相似用户, 聚类及推荐效果较好。【局限】 样本数据集具有局限性, 不能完全涵盖用户兴趣领域, 仅从一个领域验证了模型的准确性与有效性。【结论】通 过对用户标签及关系网络挖掘用户长短期兴趣, 构建的基于用户静态标签与动态关系网络的用户推荐模型, 对 个性化用户推荐效果有较好的提升。
点击量
通过
点击量
下载量
评论
