發(fā)布時間：2021-01-24 07:30

　　為使圖書館文獻個性化推薦結果更符合用戶需求,構建基于最大互信息系數的圖書館文獻個性化推送系統。系統由用戶安全認證模塊、文獻資源檢索模塊和文獻個性化推送模塊等五大模塊構成。其中,文獻個性化推送模塊基于互信息理論思想,先根據用戶興趣度將文獻關鍵詞聚類,再采用最大互信息系數判斷用戶感興趣文獻類別與關鍵詞信息匹配結果關聯度,該值越大,表明文獻關鍵詞與用戶感興趣文獻類別關聯性越強,該文獻為用戶所感興趣,可將該文獻推送給用戶,反之,不向用戶推送,實現用戶圖書館文獻的個性化準確推送。測試結果表明,所設計系統可針對用戶感興趣內容,推送出文獻數量多、文獻內容詳細的文獻信息,且系統可針對不同用戶使用需求推送出大量與關鍵詞相符的文獻信息,說明系統的文獻個性化推送質量佳,可大范圍地應用在高校圖書館中。 

【文章來源】：現代電子技術. 2020,43(09)北大核心

【文章頁數】：4 頁

【部分圖文】：

系統總體結構圖

文獻推送界面是一種個性化和主動化的服務方式，文獻個性化推送模塊是系統的核心部分。該模塊在設計時采用最大互信息系數理論中的互信息理論思想，先根據用戶興趣度將文獻關鍵詞聚類，再將用戶感興趣文獻類別與關鍵詞信息匹配，根據用戶興趣度向其推薦感興趣文獻，實現文獻個性化推送[7-8]。用戶的個性化需求是動態(tài)的，用戶的文獻信息庫可隨用戶的個性化需求改變，提升了圖書館文獻推送的準確度和推送質量，文獻個性化推薦模塊推送結構如圖2所示。待推送的文獻信息按不同關鍵詞分類，將包括相同興趣點的文獻資源分為一種類別，將含有不同興趣點的文獻資源劃分為另一種類別，依據劃分的文獻類別，文獻個性化推送模塊采用最大互信息系數運算獲取用戶的感興趣文獻[9-11]，并及時地推送給用戶，使用戶實際得到的文獻信息與希望得到的文獻信息接近度大幅度提高，增強了圖書館文獻個性化推送的效率和精度，充分發(fā)揮圖書館中文獻資源效用。

實驗在構建完圖書館文獻個性化推送系統后，需要對系統實施仿真測試。實驗將本文系統應用到北方某高校圖書館中，為突出比較本文系統的文獻個性化推送質量，將基于協同過濾的圖書管理系統和基于B/S的圖書管理系統文獻推送界面與本文系統推送界面實施比對，本文系統和另外兩種系統的文獻推送界面分別如圖3～圖5所示。本文推送界面清晰顯示了圖書館文獻的推送情況，且系統的推送文獻數量較多，可呈現出文獻的詳細細節(jié)信息，豐富文獻的推薦內容，說明本文系統可針對用戶的感興趣內容實現充分的文獻推送。

【參考文獻】：
期刊論文
[1]非物質文化遺產資源自適應推送系統的用戶模型構建研究[J]. 莊文杰,談國新,侯西龍,李莎.  情報雜志. 2017(11)
[2]基于AAR模型的聽覺誘發(fā)中潛伏期反應特征提取[J]. 董倩妍,王力,蔣本聰,胡曉.  電子技術應用. 2017(11)
[3]制造業(yè)大數據聯盟資源推送服務算法[J]. 翟麗麗,沃強,張樹臣.  計算機集成制造系統. 2017(11)
[4]基于互信息的湖泊日水位預測——以西洞庭湖為例[J]. 涂月明,付湘,楊會娟.  人民長江. 2017(16)
[5]基于情境約束的知識個性化推送[J]. 王有遠,趙璐,張樂恩.  中國機械工程. 2017(15)
[6]基于互信息特征選擇和LSSVM的網絡入侵檢測系統[J]. 莊夏.  中國測試. 2017(11)
[7]“互聯網+”背景下的學生個性化學習系統開發(fā):現狀與啟示[J]. 周皖婧,辛濤,劉拓.  清華大學教育研究. 2016(06)
[8]基于Node.js,Sencha Touch和iBeacon信息推送系統的設計與實現[J]. 尹延寧,劉太君,葉焱,江明玉.  火力與指揮控制. 2016(08)
[9]遙感衛(wèi)星數據實時主動服務系統設計與實現[J]. 劉建波,馬彩虹,陳甫,張靜,屈倩.  遙感信息. 2016(03)
[10]基于知識聚合的數字圖書館社區(qū)推送服務組織——以武漢大學數字圖書館社區(qū)為例[J]. 胡媛,胡昌平.  國家圖書館學刊. 2016(02)



本文編號：2996851