文摘

数字图书馆是一个平台,包含了集合的书,服务,和人员支持与创建、分享知识的传播和保存。在这种背景下,大学图书馆应全面拥抱发展趋势发生在图书馆设置,应严格遵守大学图书馆作为一种特殊的使命。数字图书馆也应该积极推动嵌入式服务模型的更新,进一步提升高校图书馆的各种资源。因此,数字图书馆提供了一个平台,帮助学生开发一个倾向学习和情感的塑造。其功能系统从而达到学生的全面和谐发展。尤其是数字图书馆的知识服务模块包括用户的科研背景。大多数现有的研究关注个人研究员和忽视的背景下,整个研究团队。知识推荐团队科学研究活动的背景下,可以更好地为更多的科学研究活动和团队合作。在这项工作中,我们提出一个基于团队的数字图书馆知识推荐算法研究知识应用上下文匹配。我们利用上下文感知学习模型来构造相应的应用程序上下文的数字图书馆知识和科研团队的背景模型。 Subsequently, we select alternative knowledge and neighbor users as active users and further complete knowledge sorting and recommendation. According to the knowledge recommendation system in a digital library, it is confirmed that the proposed method can effectively deliver the knowledge of researchers in the context of the digital library.

1。介绍

根据定义提出了由联合国教育、科学及文化组织(UNESCO),新媒体是指传播信息的媒介基于数字技术及其网络(1]。常见的新媒体平台包括移动电视、数字电视、移动媒体以及网络新媒体如微信,微博,维基,播客基于Web2.0技术。新媒体技术已经改变了信息交互与传统的单向通信双向互动交流(2]。除此之外,新媒体技术非常有效地共享信息,支持多格式数字资源。此外,一些新媒体平台的支持资源链接,让用户能够登录,访问、下载和阅读数字资源。大部分的这些新媒体平台有一个丰富多样的功能,为用户提供更多的便利。他们的支持率在用户可以有效地实现信息的传输和交换。

新媒体平台成为一个补充工具打破壁垒图书馆和读者之间的信息交换,有助于达到更多的藏书。然而,大学数字图书馆缺乏有效的阅读/浏览促销和不允许用户交换信息。使用可用的新媒体平台,帮助建设数字图书馆的资源平台可以提供更多便利因为传统图书馆无法与他们竞争由于有限的资金,而不是最新的工艺条件。阅读促销和提高教师和学生的满意度明显可以通过大学数字图书馆发展。图书馆不能忽视最基本的角色作为一个教练,因为他们扮演不可或缺的角色作为大学的组件。因此,教育部曾宣称,“进行信息和扫盲计划,培养大学生的信息意识,并且能够获得和利用文件”是大学图书馆的一些关键角色(2,3]。目前大多数高校图书馆信息素质教育提供为本科生提供文献检索课程和专题讲座。然而,教师必须充分考虑不同的学习群体的需求在一个国际环境。此外,教师应该不断充实教学内容,引入国际先进创新的教学方法,采用现代信息技术,力求多样化。他们应该使它有趣和提供必要的指令可以应用在全球范围内的知识。根据开发一个国际大学的目标,所遇到的语言障碍,应该首先消除。

随着卷大学国际交流活动的水平,图书馆应该增加双语素质教育项目适用的国际学生。因此,他们可能会增加国际学生信息检索以及帮助国际学生出国留学发展自己感兴趣参加迷你课程和讲座。因此,信息检索能力意味着增加他们参与国际交流的机会。数字图书馆应该是为了满足特殊群体的需求。大学教师不仅要处理学生,还应该考虑退休人员的要求。除此之外,教师还可以与其他学校部门合作进行的一系列讲座,协助员工退休。数字图书馆可以用microclasses整合传统的指导模式,网络公开课翻转教室,大幅提高课程的回顾和再现性知识传播。与其他专业课程和国际活动的集成可以用来改进知识利用率。典型的方案应该包括信息检索课程用英语课程。此外,一些有创意的方法应该被应用,如将游戏融入国际文化交流活动。

数字图书馆的知识包含已迅速增加。此外,知识过载的现象已经成为一种势不可挡的问题。提供一个理想的知识传播服务的过程变得非常困难因为匹配用户的搜索词与资源优化关键字是(4]。数字图书馆的知识推荐系统可以分析和预测用户的需求并提出相应的知识。因此,它已经成为一种有效的科学工具进行学术研究[5]。然而,日益复杂的科研任务和高度专业化的科研情况让研究人员应对多样化的知识需求。例如,大多数的知识来源的研究在科学和医学的最新论文发表在学术期刊和会议,虽然许多社会科学研究者关注经典作品的价值。更具体地说,大规模的科学研究任务不再是由一个研究员独立或合作完成一小部分人员由于许多研究项目需要一个多学科的框架。因此,许多科学研究具有不同知识背景的人才需要和互补的角色(6]。研究小组的上下文信息是影响科学研究的关键。

我们提出了一个上下文感知的学习方法能够实时获取用户的上下文信息。推荐系统,集成了语境因素可以被认为是一个重要的方向在数字图书馆的知识服务7]。因此,关注关键问题是,当科学研究是由团队合作、科学研究将对团队及其成员获取上下文信息。此外,我们研究如何将这些知识需求与数字图书馆实现知识的知识应用的建议。考虑到研究的科研团队和知识应用程序上下文利用数字图书馆,知识推荐算法称为TKCM(团队知识上下文匹配)提出了数字图书馆。应用程序上下文匹配的团队研究知识的动机是算法。建议的概述TKCM框架呈现在图1。

该方法称为TKCM可以为相关研究提供信息的数字图书馆知识服务的研究现状和新的想法。这项工作的主要贡献包括以下组件:(1)实现知识的积极建议根据数字图书馆知识的应用情况(这可以提高数字图书馆知识服务的质量;我们也强调,数字图书馆的知识服务应面向科研团队的情况);(2)整合情况和个人情况的科学研究团队以满足知识需求的团队研究和个人研究。

剩下的纸是组织如下。部分2提出了数字图书馆的相关工作,包括问题和信息检索使用模型。该方法提出了部分3。实验结果及其分析介绍和讨论部分4。部分5总结了研究。

2。相关工作

在本节中,我们目前的可用的文学研究范围与各种知识推荐方法和它们的属性模板的数字图书馆。大多数现有的研究关注个人研究员和忽视的背景下,整个研究团队。因此,知识推荐团队科研活动需要更多的背景下,可以引发更多科学研究活动和团队合作。因此,一些研究已经进行了关于它。

“大科学”时代的特点是团队研究和团队合作、科研人员的知识需求是高度个性化,专业化、复杂,不稳定。他们有强壮的情境敏感性。上下文是指任何可以利用的信息来描述一个实体的情况的特点。一个实体可以是一个人,一个位置,或者一个物理或虚拟对象相关的用户和应用程序交互(8]。语境可分为七类:用户,用户的社会环境、任务、位置、基础设施、身体状况,和时间9]。上下文的计算环境中,用户环境、物理环境和时间被定义在[10]。数字图书馆服务包括科研背景。等元素的特定上下文信息一般包括一个主题领域,科学研究背景、科研环境、人员。因此,上下文信息可以被收购,加工和分析使用智能终端设备如传感器、互联网和无线射频识别。所有这些操作都是上下文感知(11]。实时获取上下文信息通过上下文感知启用快速用户需求和偏好的变化(12]。它不仅可以有效地提高信息系统的总体性能也意识到精确挖掘用户的个性化需求以及改善用户体验的系统服务。在数字图书馆领域,上下文感知算法被用来获取用户上下文信息,包括位置信息背景下,社交网络背景下,等等。他们已经大大改善了用户信息的即时性和实用性的需求模式13]。在数字图书馆知识建议可以优化编码科研背景。一些研究人员科研背景引入数字图书馆知识推荐系统。他们研究的科研情况和情境模型的建设。数字图书馆知识服务的上下文元素通常包括尺寸,如资源的背景下,用户上下文,和知识背景14]。为数字图书馆个性化服务的上下文感知系统可分为多层等传感器接入层、数据处理层、个性化推荐层和应用程序层(15]。对应的服务过程包括上下文信息采集、集成和个性化语义匹配(16]。

研究者提出的各种知识推荐算法对数字图书馆进行科学研究。一般来说,这些算法可以分为三个类别根据上下文信息的应用。(1)使用的上下文信息进行二次筛选检索列表的推荐系统,它使用条目分数预测的协同过滤算法。使用上下文条件熵计算每个上下文属性的权重以及用户的项目的加权分数在不同的上下文中生成一个推荐列表(17]。著名的朴素贝叶斯方法与上下文感知的总和。因此,协作推荐基于属性加权贝叶斯方法执行首先,随后,计算推荐的资源环境属性的影响,最后,分数的合作建议调整列表(18]。(2)利用上下文信息作为一个系统建议项目实施相关建议:在数字图书馆知识推荐的问题,刘等人。19)制定上下文相似性计算获得二维评分模型的上下文的用户资源集类似于用户的当前上下文。他们进一步生成根据使用协同过滤推荐列表(20.]。的上下文信息集成到一个内容推荐,用户的当前上下文之间的相似性计算和历史背景,和排名用户感兴趣的资源具有类似上下文终于获得(21]。上下文信息集成到生成新的推荐算法的推荐模型。信息的建议是通过匹配的自定义规则上下文语义信息。上下文信息用于发现共同利益在用户组中,然后一个信息推荐模型是建立利用协会和协作的共同利益22]。此外,一些当前的小说研究和系统综述可以发现在23- - - - - -25]。

3所示。该方法

在本节中,一个新颖的方法叫团队知识背景匹配(TKCM)提出。我们提出了一个上下文感知的学习方法能够实时获取用户的上下文信息。推荐系统结合语境因素将匹配两种不同类型的资源的主要方向,称为数字图书馆的知识服务和研究团队。

团队的研究是数字图书馆与知识的应用。数字图书馆的知识推荐方法称为TKCM滤波的基础上提出了设计和施工的情况建模。因此,推荐的知识可以找到科研团队的实际情况。TKCM框架可以表达的四个步骤:(1)获取上下文信息,(2)候选集的获取知识,获取邻居用户集,(3)和(4)产生推荐列表。第一步合作了上下文感知技术学习的知识应用程序上下文和团队利用数字图书馆研究上下文。在第二步中,数字图书馆的知识应用与当前研究的研究人员知识情境相似性高选为候选集。第三步是匹配研究的其他研究团队当前的背景下研究,从而进一步选择上下文相似性较高的人员作为邻居用户集。相似性越高的邻居用户和当前的研究人员,他们的偏好的影响就越大。第四步是计算每一块知识的综合偏好得分在候选人的偏好研究人员在邻居用户集。它是什么,然后,进一步用于生成一个推荐列表。产生的元数据的一个例子TKCM推荐的方法阐述了在图2。

研究信息包括知识应用情况和团队计算的数字图书馆的研究现状提出了态势感知技术。它包括两个步骤,称为情境信息收集和情境信息处理。除此之外,有两个主要的方法收集相关信息。(1)数字图书馆服务记录:个人信息和知识的请求信息的登记项目研究人员获得的数字图书馆以及搜索引擎的用户记录。(2)监测对科研人员:位置信息,工作环境,和语音信息的研究通过传感器在日常生活中,射频识别、全球定位系统、语音识别和其他渠道是准确的。因此,我们进一步提供该信息数字图书馆在数据库中。随后,冗余信息的上下文是消除基于将剩下的上下文信息集成到数字图书馆的知识应用程序上下文。此外,他们也融入到团队科研环境模型。

我们定义的4倍 代表的情况建模的数据结构 ,和代表团队的科研信息、科学研究的过程,科学研究任务,研究人员的信息,分别和sub-research任务。随后,知识应用情况的数据结构建模为数字图书馆的定义 的数据结构团队建模是由科学研究情况

五项情况下图书馆知识应用和团队研究规范化成所谓的情况在多维空间向量。因此,他们的相似之处进一步比较。更具体地说,知识应用程序上下文和团队研究上下文向量的数字图书馆得到通过backpropagated (BP)神经网络分为两个部分。第一个组件是构建一个研究背景数据库根据上下文信息通过上下文感知技术。BP神经网络训练是由原始数据集成的研究背景数据库运行多个迭代。在第二步中,鉴于历史数字图书馆的应用知识和研究员的上下文元素 ,最大值之间的亲密上下文分类两类用户和上下文的库可以在培训完成后获得。之后,历史应用情况向量向量和团队科研情况表达的是

我们定义 作为候选人的知识组研究员 ,在哪里代表 。的相似度阈值 , ,当 大于 ,和数字图书馆知识是知识纳入选择集。此后,知识在知识的数量选择用t。值得注意的是,推荐系统的基本思想是计算项目相似的用户首选项的活跃用户。在这个研究中,我们假设研究人员与团队研究的上下文,如他们的团队,研究方向,研究任务有相似的知识需求。因此,他们的知识的相似度计算可以由上下文相似性的研究人员。更具体地说,情境研究人员之间的相似性越高,他们的知识需求的相似性越高。之间的相似性年代团队情况和当前研究的团队情况可以表达的各自情况信息向量的余弦值定义的 团队研究现状和数字图书馆知识可以集成到多个研究矩阵的应用情况l和米,分别。

后来,我们计算当前研究员的团队上下文之间的相似性和数字图书馆知识的应用程序上下文 。然后,相似性可以表示为向量的余弦角。它被定义为

这是了解候选人的一组研究人员,α代表之间的相似度阈值和 , 。值得注意的是,当 大于α,我们把数字图书馆知识候选人的知识集。我们让知识在知识的候选人的数量 。

然后,我们获得你的邻居用户集。推荐系统的基本思想是为大学生提供物品具有相似偏好的活跃用户。我们假设研究人员在团队研究类似的上下文,如团队成员,方向,和任务在该方法有类似的知识需求。他们的知识需求的相似性可以由上下文相似性的研究人员决定的。更具体地说,情境研究人员之间的相似性越高,他们的知识需求的相似性越高。研究员的团队之间的情况相似与研究现状和团队的研究人员与研究现状米_一个可以计算出各自的情境信息的余弦向量定义的 邻居的一组研究人员用 β表示之间的相似度阈值在哪里和 。因此, 在0和1之间。然后我们将研究到你的邻居用户设置和设置你的邻居用户。集中人员设置的数量 。后来,我们生成一个推荐列表。研究人员的偏好知识,包括行为数据访问等引用,和收集,可以获得相应。让代表的偏好程度的研究员在你的邻居用户设置为知识在选择集。知识的推荐得分可以通过加权平均得到。定义的计算

我们每个知识的建议分数降序来获取推荐列表。获得的推荐列表可以指导大学生的研究和学习活动。概述拟议的框架提出了算法1。(我)输入:数字图书馆及其相应参数,N;大学生;学习速率和推荐参数;输出:学习者推荐列表;(1)计算数据情况上下文模型和构造一个五个一组代表研究和学习属性;(2)基于上下文模型计算相似矩阵来捕获复杂的数字图书馆学习者之间的关系;(3)计算中给出的建议列表和分数基于方程(5)和(6),分别。用它们来指导大学生的学习过程。

4所示。实验结果和分析

在本节中,我们讨论了实验结果,并提供一个全面的分析,以更好地呈现知识的实用性提出了推荐系统。

验证的知识推荐性能提出TCKM框架,知识的应用程序从官方网站收集的信息和用户信息是十高校数字图书馆,和100年科研团队是随机选择从用户信息,和620年发现了这些团队的科研人员。领域专家,作为分析的样本应用程序的情况下TCKM推荐算法,随机选择一个研究员在每个团队进行推荐算法分析等知识推动研究员在研究小组T01 R01。在获得应用程序上下文知识通过上下文感知技术,我们报告当前的科学研究人员的研究背景R01显示在表中1。

在这项研究中,我们不仅专注于研究课题还研究对象的人员或团队。因此,我们把这两个推断出更详细的结果在知识发现的框架。表1说明了两大支柱的sub-dimensions相关知识发现。

根据方程(1)(3)、知识应用情况之间的相似性和团队每个大学生可以计算的研究现状。之后,高相似度的知识是利用inTables所示的候选集2和3。我们因此产生一个邻居用户集。根据方程(1)- (4),我们放弃高相似性的研究人员的列表计算相似性的研究背景研究员R01和其他研究人员的科研背景的一些代表性的结果展示在表3。我们生成一个推荐列表,进一步利用上下文感知技术获得的利息水平每个相邻用户表所示3和每个知识表所示2在我们的实验。我们进一步计算出最后得分的六种知识根据(5)。R01知识推荐的排名是K92, K46, K58, K67、K19。因此,建议考虑知识的团队研究现状T01在数字图书馆领域知识的建议。除此之外,个人研究现状的R01知识推荐算法是计算在数字图书馆。因此,TKCM推荐算法可以准确地发现知识的需求背景下大学生的团队的研究。这些细节如表所示2。

表示策略是三维的和多样化的,叫做虚拟与现实的结合,强烈的游戏互动,和强大的平台可伸缩性。现实和虚拟技术可以满足图书馆的创新建设具有不同的特点。听觉、视觉和触觉感官呈现高度现实的和三维的数字图书馆,这是最好的图书馆读者培训和媒介宣传。结合图书馆的原始系统的合理开发一分之一的三维空间,图书馆的服务将更加个性化和人性化。图书馆数字资源的创造性的显示可以提高图书馆资源的利用率。导航文件声称,导航系统的功能可以点击检索图书导航数据库大学生感兴趣。系统将自动计算最佳路径并将其呈现给用户以截图的形式和3 d导航。因此,他们将这本书不同的用户到达不同的地方可以检索。个人中心之间的交互,用户可以创建自己的昵称和个人档案在个人中心。然后学生使用他们的虚拟身份参与虚拟社区活动,与其他读者交流、聊天等,广播,占领一个阅览室,消防演习,逃跑了。

明显,我们也观察到大学生的相互作用,与朋友聊天,交朋友,找到并认识新朋友。同时,他们进行互动在线交流来增加乐趣。他们进行互动和虚拟磋商,这意味着创建一个咨询桌子在地板上,设置一个虚拟的虚拟角色。因此,读者可以点击咨询桌上关于数字图书馆的提问。此外,虚拟顾问也可以提出常见咨询问题回应的网上数字图书馆的老师。功能结构设计如表所示2。为虚拟展览,电影放映大厅是一个虚拟筛选图书馆的空间。大学生可以选择他们的电影观看,和图书馆还可以上传视频显示的学生活动。数字图书馆还可以建立一个虚拟的在线讲堂显示全球专家视频讲座。虚拟展厅特别是包含丰富古籍的集合。这些古老的书收集的图书馆可以显示在一个三维虚拟方式和开放大学的学生作为参考,如表所示4。

5。结论

在这项工作中,我们利用上下文感知学习模式构建的知识应用情况和团队为数字图书馆研究现状。我们进一步提出数字图书馆的知识推荐方法TKCM利用团队科学研究知识应用的情况。该方法称为TKCM提供知识服务的相关研究信息在数字图书馆的应用研究现状和新想法。

这项工作的主要贡献包括以下组件:(1)实现知识的积极建议根据数字图书馆知识的应用情况(这可以提高数字图书馆知识服务的质量;我们也强调,数字图书馆的知识服务应面向科研团队的情况);(2)整合情况和个人情况的科学研究团队以满足知识需求的团队研究和个人研究。

尽管铰接的优点,该方法的缺点是,它主要是研究数字图书馆的应用程序上下文知识和缺乏仔细分析知识和上下文信息的内容。因此,如何综合利用上下文信息的数字图书馆知识仍然是一个未解决的挑战。完成一个更精确的数字图书馆推荐系统,进一步研究相关内容的详细分析知识和上下文信息,需要在未来的研究获得更精确的结果。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。