摘要：目的意義針對(duì)當(dāng)前數(shù)字圖書館科技文獻(xiàn)現(xiàn)有推薦方法中存在的語義缺失、情境缺失及潛在偏好挖掘不足等問題，提出基于科研人員情境化主題偏好的科技文獻(xiàn)協(xié)同推薦方法。方法過程首先基于情境感知技術(shù)識(shí)別科研人員情境信息，其次引入文本語義技術(shù)LDA主題模型挖掘科研人員的初始情境化主題偏好，繼而根據(jù)科研人員情境的相似度與協(xié)同過濾思想擴(kuò)展科研人員的情境化主題偏好，最后基于融合后的科研情境化偏好構(gòu)建滿足科研人員情境化需求的科技文獻(xiàn)推薦列表。結(jié)果結(jié)論實(shí)驗(yàn)結(jié)果表明，文章提出的基于科研人員情境化主題偏好的用戶模型，能夠較好地預(yù)測(cè)科研人員偏好，推薦效果更佳。

　　關(guān)鍵詞：科研情境;情境化偏好;主題模型;科技文獻(xiàn);協(xié)同推薦

　　引言

　　在互聯(lián)網(wǎng)時(shí)代的今天，每日有海量的科技文獻(xiàn)被公開發(fā)表，知識(shí)庫中的資源呈爆炸式激增，科研人員面臨日益嚴(yán)重的“文獻(xiàn)資源過載”問題。針對(duì)這一問題，有學(xué)者提出了“以用戶為中心”的科技文獻(xiàn)推薦服務(wù)，根據(jù)目標(biāo)科研人員訪問科技文獻(xiàn)的歷史行為信息，分析其興趣偏好，從而主動(dòng)推送其可能感興趣的科技文獻(xiàn)，以解決當(dāng)前資源激增所引發(fā)的文獻(xiàn)篩選難的問題。傳統(tǒng)的個(gè)性化推薦方法，通常基于用戶近期和遠(yuǎn)期的歷史行為數(shù)據(jù)，結(jié)合興趣衰減算法，提取出科研人員的長(zhǎng)短期偏好模式。

　　然而，該方法存在以下不足：過早的行為數(shù)據(jù)可能成為噪聲，生成的推薦結(jié)果無法滿足科研人員的情境化需求;同時(shí)，其中弱相關(guān)性的信息會(huì)影響科研人員偏好特征提取的質(zhì)量，導(dǎo)致推薦效果不佳。對(duì)此，需要以科研人員所處的情境為中心，通過分析和挖掘其情境化偏好，研究更為智能的科技文獻(xiàn)推薦方法，進(jìn)一步提升數(shù)字圖書館知識(shí)服務(wù)平臺(tái)的個(gè)性化服務(wù)水平。

　　目前，眾多國內(nèi)外學(xué)者在情境化推薦方面展開研究，從多個(gè)角度提出了融合情境的推薦模型與方法。傳統(tǒng)的情境化資源推薦研究模式大多通過構(gòu)建情境模型，且模型可實(shí)現(xiàn)高級(jí)推理，利用規(guī)則匹配或推理規(guī)則對(duì)資源進(jìn)行篩選過濾。基于知識(shí)表示和知識(shí)建模的情境化資源推薦方法雖然能夠利用領(lǐng)域知識(shí)特征生成可解釋性較高的推薦結(jié)果，且?guī)缀醪皇苡脩粼u(píng)分的影響，但存在知識(shí)獲取難度大、模型求解復(fù)雜度高、不利于全樣本的預(yù)測(cè)等問題。

　　對(duì)此，機(jī)器學(xué)習(xí)、人工智能等技術(shù)的興起，為情境化資源推薦研究模式的轉(zhuǎn)變提供了新的思路。以機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘?yàn)榛�礎(chǔ)的情境化資源推薦方法，是一種高效且高質(zhì)量的資源過濾工具，通過分析和挖掘用戶的情境信息、歷史行為數(shù)據(jù)，學(xué)習(xí)和預(yù)測(cè)用戶的情境化偏好，進(jìn)而為用戶推送滿足其情境需求的資源。基于機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘方法的情境化資源推薦技術(shù)主要分為兩類：①基于協(xié)同過濾的情境化資源推薦，將情境信息融入到用戶相似度計(jì)算、資源相似度計(jì)算及模型計(jì)算過程中，以提高推薦的精準(zhǔn)度[710。該方法盡管在電子商務(wù)、電影音樂等領(lǐng)域有廣泛的應(yīng)用，且能夠挖掘出用戶的潛在偏好。

　　但缺點(diǎn)在于：基于協(xié)同過濾的情境化推薦不考慮資源本身的特性，僅利用用戶的打分評(píng)價(jià)等信息生成推薦結(jié)果。而數(shù)字圖書館科技文獻(xiàn)服務(wù)中，缺乏用戶的評(píng)分及評(píng)價(jià)等反饋信息;同時(shí)，科技文獻(xiàn)內(nèi)部蘊(yùn)含了大量的語義信息，對(duì)文本語義的細(xì)粒度挖掘和表示在資源推薦中至關(guān)重要，不應(yīng)棄之不顧。②基于內(nèi)容的情境化資源推薦，通過分析用戶在不同情境要素下對(duì)資源的偏好程度，找到用戶、情境、資源之間的關(guān)聯(lián)概率，然后根據(jù)用戶所處的情境和資源屬性向其推薦相似度較高的資源1115。

　　與基于協(xié)同過濾的情境化資源推薦方法相比，該方法不存在資源冷啟動(dòng)、數(shù)據(jù)稀疏等問題，并充分考慮到科技文獻(xiàn)的特點(diǎn)，能夠精準(zhǔn)描述用戶的情境化偏好，因而受到學(xué)者的廣泛關(guān)注。但是，由于該方法一般只依賴于用戶自身以往的情境化偏好進(jìn)行推薦[11，難以挖掘用戶的潛在偏好，導(dǎo)致推薦結(jié)果的多樣性不足。為此,可以充分利用協(xié)同推薦思想，將具有相似情境的其他科研人員訪問過的科技文獻(xiàn)推薦給相關(guān)科研人員，從而進(jìn)一步豐富推薦列表的多樣性，解決由于個(gè)人知識(shí)局限引起的推薦列表單一性問題，協(xié)助科研人員在海量信息資源中獲取有針對(duì)性的高質(zhì)量文獻(xiàn)。因此，研究融合情境的科技文獻(xiàn)協(xié)同推薦同樣具有重要意義和應(yīng)用前景。

　　為此，本文定義了科研情境用以區(qū)別科研人員在不同科學(xué)研究過程中的個(gè)性化特征，在基于內(nèi)容的情境化資源推薦框架下，采用改進(jìn)的LDA主題模型挖掘科研人員的初始情境化主題偏好，而后基于科研情境相似度和協(xié)同推薦思想擴(kuò)展科研人員的情境化主題偏好;最終精準(zhǔn)定位科研人員的情境化需求，為實(shí)現(xiàn)個(gè)性化、情境化、多樣化的科技文獻(xiàn)推薦服務(wù)奠定基礎(chǔ)。

　　1一種基于科研人員情境化主題偏好的科技文獻(xiàn)協(xié)同推薦方法

　　情境化資源推薦過程主要包括情境信息獲取、情境數(shù)據(jù)建模、情境化用戶偏好提取、資源推薦。本文按照該框架，給出一種基于科研人員情境化主題偏好的科技文獻(xiàn)協(xié)同推薦方法，包括科研人員情境信息識(shí)別與表示、科研人員初始情境化主題偏好提取、科研人員情境化主題偏好擴(kuò)展、情境化推薦列表生成四個(gè)階段。

　　1)科研人員情境信息識(shí)別與建模。首先給出刻畫科研人員訪問科技文獻(xiàn)過程中個(gè)性化特征的各個(gè)情境要素，以此構(gòu)建一個(gè)通用的科研情境模型;然后依據(jù)上述情境模型所確立的維度，從基本信息、任務(wù)信息、物理信息三個(gè)方面識(shí)別感知目標(biāo)科研人員所處的情境。2)科研人員初始情境化主題偏好生成。以科研人員的情境信息、行為數(shù)據(jù)和訪問過的科技文獻(xiàn)內(nèi)容為基礎(chǔ)，利用改進(jìn)詞權(quán)重的LDA主題模型挖掘科技文獻(xiàn)的內(nèi)部語義特征，以表征科研人員的情境化主題偏好。

　　3)科研人員情境化主題偏好擴(kuò)展。采用基于主情境模型樹的評(píng)估方法篩選出情境相似度較高的科研人員，作為目標(biāo)科研人員的近鄰用戶集，然后基于用戶的協(xié)同過濾思想擴(kuò)展目標(biāo)科研人員的情境化主題偏好，將二者按照一定的規(guī)則融合，得到合并后的科研人員情境化主題偏好。4)情境化推薦列表生成。在得到科研人員情境化主題偏好的基礎(chǔ)上，采用JensenShannon距離公式進(jìn)行與候選文獻(xiàn)集合的相似度計(jì)算，并依據(jù)TOP進(jìn)行科技文獻(xiàn)推薦。

　　1.1科研情境識(shí)別與建模

　　科研人員情境信息的精準(zhǔn)識(shí)別，是實(shí)現(xiàn)情境化資源推薦服務(wù)的第一步。本節(jié)需要解決的問題有兩個(gè)：①針對(duì)當(dāng)前推薦服務(wù)，確定需要識(shí)別的情境類別。②采取有效的識(shí)別感知方式獲取所需的情境信息。對(duì)此，首先給出了刻畫科研人員訪問科技文獻(xiàn)過程中個(gè)性化特征的各個(gè)情境要素，以此構(gòu)建了一個(gè)通用的科研情境模型;然后依據(jù)上述情境模型所確立的四個(gè)維度，結(jié)合具體的情境要素感知識(shí)別方法獲取科研人員所處的情境。

　　1.1.1科研情境分析與建模

　　1)科研情境分析。

　　科研情境是指科研人員在訪問科技文獻(xiàn)過程中，用來刻畫其個(gè)性化特征的信息17]，是包括科研人員具有的知識(shí)結(jié)構(gòu)、身份角色等內(nèi)在因素及科研人員所處的時(shí)間、地點(diǎn)、工作任務(wù)、社會(huì)環(huán)境等外部因素的集合。研究發(fā)現(xiàn)，科研人員對(duì)科技文獻(xiàn)的訪問需求一般可分為兩種情況：第一種是情境及其偏好在一定時(shí)間內(nèi)相對(duì)穩(wěn)定的用戶，針對(duì)此類用戶，結(jié)合相關(guān)科研人員的歷史偏好及多維度科研情境，利用情境化資源推薦方法進(jìn)行科技文獻(xiàn)的推薦;第二種是伴隨情境變化，引發(fā)偏好發(fā)生遷移的用戶，這種情況下通常需要考慮科研人員偏好遷移后產(chǎn)生的新特征，建立情境化用戶偏好模型動(dòng)態(tài)檢測(cè)和更新機(jī)制，采用系統(tǒng)自適應(yīng)更新和用戶參與更新技術(shù)，并利用情境化資源推薦方法進(jìn)行科技文獻(xiàn)推薦。

　　大多情況下，科研人員的研究方向是不變的，其研究任務(wù)和研究?jī)?nèi)容會(huì)保持一段時(shí)間相對(duì)穩(wěn)定。因此本文的目的是，基于知識(shí)應(yīng)用情境挖掘出科研人員的情境化主題偏好，在科研人員所處情境及其偏好未發(fā)生遷移的情況下，提出一種融合情境的科技文獻(xiàn)協(xié)同推薦方法。為此，首先需要識(shí)別出科研人員特定的歷史情境信息，然后找到該情境下關(guān)聯(lián)的文獻(xiàn)資源集合。

　　2)分層多維的科研情境模型構(gòu)建。

　　為避免識(shí)別獲取的科研情境信息存在冗余和格式不統(tǒng)一問題，進(jìn)一步實(shí)現(xiàn)對(duì)情境要素的有效組織和存儲(chǔ)，給出一個(gè)通用的科研人員情境表示模型。在綜合權(quán)衡用來刻畫科研人員文獻(xiàn)資源訪問過程中個(gè)性化特征的各個(gè)情境要素及情境信息可識(shí)別獲取性的基礎(chǔ)上，確立了四個(gè)科研情境維度：用戶基本信息維、任務(wù)信息維、物理信息維及操作行為維度。

　　UB是科研人員基本信息要素的集合，主要包括知識(shí)結(jié)構(gòu)、身份角色、科學(xué)數(shù)據(jù)素養(yǎng)能力等。知識(shí)結(jié)構(gòu)由科研人員長(zhǎng)期從事的研究領(lǐng)域所反映，本文采用王偉等建立的學(xué)科主題結(jié)構(gòu)樹18進(jìn)行確定身份角色是指科研人員在進(jìn)行科學(xué)研究過程時(shí)所承擔(dān)的角色，分為重要型角色和普通角色。

　　本研究主要由科研人員的學(xué)歷進(jìn)行確定，一般認(rèn)為擁有博士學(xué)歷的科研人員在團(tuán)隊(duì)擔(dān)當(dāng)重要型角色，碩士及以下學(xué)歷的人員在團(tuán)隊(duì)擔(dān)當(dāng)普通角色;科學(xué)數(shù)據(jù)素養(yǎng)能力19是指科研人員在進(jìn)行科學(xué)研究過程中，對(duì)數(shù)據(jù)的收集、處理、評(píng)價(jià)、利用等能力及其過程中所涉及的思維、知識(shí)、技能和倫理規(guī)范。主要由數(shù)據(jù)意識(shí)、數(shù)據(jù)收集與評(píng)估、數(shù)據(jù)組織與管理、數(shù)據(jù)處理與分析、數(shù)據(jù)利用與歸檔、數(shù)據(jù)倫理六個(gè)維度的能力要素決定。

　　UT描述了科研人員在進(jìn)行科學(xué)研究活動(dòng)過程中所需解決的問題，主要通過任務(wù)類型、任務(wù)對(duì)象、任務(wù)檢索詞進(jìn)行表示。任務(wù)類型通常包括文檔撰寫、程序編寫、數(shù)據(jù)分析和文本閱讀等;任務(wù)對(duì)象由當(dāng)前的研究課題所決定;對(duì)任務(wù)的檢索詞進(jìn)行識(shí)別和采集可以客觀清晰地獲取用戶當(dāng)前的任務(wù)意圖。

　　UP是指科研人員訪問獲取科技文獻(xiàn)的時(shí)間、地點(diǎn)及其使用的設(shè)備類型、網(wǎng)絡(luò)狀況;設(shè)備類型分為計(jì)算機(jī)設(shè)備和手機(jī)設(shè)備;網(wǎng)絡(luò)狀況分為良好和一般。UA是指科研人員訪問科技文獻(xiàn)時(shí)的歷史行為集合。包括具體的科技文獻(xiàn)操作對(duì)象及其操作行為，如瀏覽、下載、轉(zhuǎn)發(fā)、收藏、評(píng)論等類型。

　　1.1.2科研人員情境感知與識(shí)別

　　為提取科研人員的情境化主題偏好，首先必須根據(jù)上述科研情境模型中確立的各個(gè)要素維度，識(shí)別獲取科研人員所處的情境信息，然后才能依據(jù)科研人員在該情境下偏好的文獻(xiàn)集合，構(gòu)建其情境化主題偏好。因此，本節(jié)的重點(diǎn)在于如何識(shí)別科研人員的情境信息。

　　4種不同的要素維度對(duì)應(yīng)于4種不同的情境感知識(shí)別方法：

　　1)科研人員基本信息維度要素識(shí)別。通過科研人員在數(shù)字圖書館注冊(cè)信息階段識(shí)別獲取科研人員的知識(shí)結(jié)構(gòu)、身份角色、科學(xué)數(shù)據(jù)素養(yǎng)能力等。2)科研人員任務(wù)維度要素識(shí)別。任務(wù)類型及任務(wù)對(duì)象在數(shù)字圖書館注冊(cè)信息階段識(shí)別獲取;任務(wù)關(guān)鍵詞通過分析用戶行為事務(wù)集進(jìn)行識(shí)別。

　　3)科研人員物理情境維度要素識(shí)別。時(shí)間、地點(diǎn)信息通過傳感器感知識(shí)別獲取;設(shè)備類型、網(wǎng)絡(luò)狀況通過相關(guān)設(shè)備接口進(jìn)行感知識(shí)別。4)科研人員的操作行為維度要素識(shí)別。對(duì)科技文獻(xiàn)具體的瀏覽、下載、收藏等行為通過分析用戶行為事務(wù)集進(jìn)行識(shí)別。通過以上情境信息識(shí)別方法，可以得到科研人員的情境信息及偏好數(shù)據(jù)，為后續(xù)科研人員情境化主題偏好的挖掘奠定基礎(chǔ)。

　　1.2科研人員初始情境化主題偏好生成

　　1.2.1基于改進(jìn)LDA的科技文獻(xiàn)主題挖掘

　　基于LDA的文本主題挖掘模型，可以挖掘出資源內(nèi)部的潛在語義特征，準(zhǔn)確得到文獻(xiàn)包含的主題及各個(gè)主題下的關(guān)鍵詞及其權(quán)重。然而，由于LDA沒有對(duì)輸入文本的特征進(jìn)行處理，通常使生成的主題區(qū)分度低、語義特征不明顯且含有大量無意義的詞匯。阮光冊(cè)等提出的結(jié)合詞權(quán)重的主題模型將詞語的局部語義特征考慮在內(nèi)，有效地改進(jìn)了主題的語義表現(xiàn)能力。本文將采用阮光冊(cè)提出的方法，通過科技文獻(xiàn)特征提取和科技文獻(xiàn)的向量化表示兩個(gè)部分，完成對(duì)科技文獻(xiàn)的主題挖掘。

　　1.2.2生成科研人員情境化主題偏好

　　在生成科研人員初始情境化主題偏好分布時(shí)，科研人員的情境化主題偏好計(jì)算取決于其歷史行為和科技文獻(xiàn)的主題挖掘方法。通過對(duì)科研人員歷史行為的度量，可以使得到的用戶偏好主題更加精確客觀。因此，本文借鑒serLDA的思路[2提出一種帶有行為權(quán)值的科研人員情境化主題偏好挖掘方法。

　　1.3科研人員情境化主題偏好擴(kuò)展

　　由于受到科學(xué)數(shù)據(jù)素養(yǎng)能力的影響，通常科研人員的情境化需求不在其個(gè)人歷史知識(shí)背景下，這意味著科研人員的情境化需求偏好與其歷史訪問文獻(xiàn)不完全符合。因此需要對(duì)科研人員情境化主題偏好進(jìn)行廣度上的拓展。利用協(xié)同過濾直接向目標(biāo)人員推薦特征詞序列以構(gòu)建目標(biāo)科研人員的潛在偏好，是學(xué)者們廣泛使用的一種方法。

　　一方面有助于挖掘科研人員的潛在偏好，另一方面可以緩解傳統(tǒng)協(xié)同過濾推薦方法的冷啟動(dòng)問題。但是該方法未考慮科研人員所面臨的真實(shí)情境，導(dǎo)致其需求偏好挖掘不足，相似群體度量誤差較大。針對(duì)這一問題，本文嘗試引入科研情境修正用戶相似度，并提出一種基于科研情境相似度的用戶協(xié)同推薦方法，通過分析和挖掘具有相同或相似情境下科研人員的歷史偏好，幫助目標(biāo)科研人員預(yù)測(cè)其潛在主題需求。

　　1.3.1基于科研情境的相似群體找尋

　　為了找到相似群體，首先需要對(duì)科研人員所處的情境進(jìn)行相似度評(píng)估。上述內(nèi)容已經(jīng)將科研情境要素及其屬性表達(dá)為樹狀結(jié)構(gòu)，故而情境相似度的計(jì)算便轉(zhuǎn)換為節(jié)點(diǎn)間相似度的計(jì)算。潘旭偉等提出的基于主模型樹的相似性評(píng)估方法是當(dāng)前一種比較經(jīng)典的計(jì)算方法，該算法充分考慮了情境屬性類別和模型維度不一致的情況。本文將沿用該方法，完成科研情境相似度的計(jì)算。

　　2實(shí)驗(yàn)

　　2.1實(shí)驗(yàn)設(shè)計(jì)

　　由于文獻(xiàn)資源領(lǐng)域內(nèi)目前尚未有包含科研情境因素的公開數(shù)據(jù)集，為驗(yàn)證本文提出的基于科研人員情境化主題偏好的科技文獻(xiàn)協(xié)同推薦方法的有效性，筆者構(gòu)建簡(jiǎn)易的科技文獻(xiàn)服務(wù)平臺(tái)以采集科研人員的情境信息及其情境化偏好，并邀請(qǐng)某大學(xué)位圖書情報(bào)及相關(guān)專業(yè)的科研工作者作為本次實(shí)驗(yàn)研究的對(duì)象。要求每位科研人員根據(jù)自己所面臨的任務(wù)情境，在開發(fā)的簡(jiǎn)易科技文獻(xiàn)學(xué)術(shù)平臺(tái)進(jìn)行至少150次的訪問行為，服務(wù)器實(shí)時(shí)監(jiān)控記錄科研人員的情境信息及檢索、收藏、下載等行為。

　　為避免科研情境發(fā)生偏移，實(shí)驗(yàn)周期設(shè)定為一個(gè)月，兩周內(nèi)登錄有效。實(shí)驗(yàn)過程中，首先利用采集到的科研人員情境化偏好信息，并結(jié)合本文提出的科技文獻(xiàn)向量化表示方法，生成科研人員的情境化主題偏好分布;其次利用本文提出的相似度算法，計(jì)算每一位科研人員對(duì)每一篇科技文獻(xiàn)的偏好值，然后將偏好值最高的TOP30TOP40TOP50TOP60TOP70的科技文獻(xiàn)依次推薦給用戶，要求每次推薦后科研人員對(duì)其感興趣的文獻(xiàn)進(jìn)行訪問。

　　2.2數(shù)據(jù)來源及實(shí)驗(yàn)環(huán)境

　　本實(shí)驗(yàn)的數(shù)據(jù)集來源于中國知網(wǎng)數(shù)據(jù)庫，爬取圖情領(lǐng)域內(nèi)具有代表性的14種核心期刊(情報(bào)學(xué)報(bào)、情報(bào)理論與實(shí)踐、情報(bào)科學(xué)、情報(bào)雜志、情報(bào)資料工作、中國圖書館學(xué)報(bào)、大學(xué)圖書館學(xué)報(bào)、國家圖書館學(xué)刊、圖書館論壇、圖書館雜志、圖書情報(bào)工作、數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)、圖書情報(bào)知識(shí)、圖書與情報(bào))的9874篇科技文獻(xiàn)作為實(shí)驗(yàn)數(shù)據(jù)，爬取內(nèi)容包括：標(biāo)題、摘要、關(guān)鍵詞、作者等信息。隨后將其導(dǎo)入科技文獻(xiàn)服務(wù)平臺(tái)，用來采集科研人員的情境信息和情境化偏好數(shù)據(jù)。

　　2.3實(shí)驗(yàn)過程

　　實(shí)驗(yàn)過程包括三部分：改進(jìn)LDA模型的科技文獻(xiàn)主題挖掘;基于科研情境的相似群體找尋;基于改進(jìn)DA模型的科研人員情境化主題偏好生成。

　　2.3.1基于改進(jìn)LDA模型的科技文獻(xiàn)主題挖掘

　　利用改進(jìn)詞權(quán)重的LDA模型以及向量化處理后的科技文本，既可以實(shí)現(xiàn)對(duì)科技文獻(xiàn)的主題挖掘，同時(shí)也能得到每一位科研人員的情境化主題偏好。本文通過調(diào)用Python的sklearn包中的omponents及相關(guān)函數(shù)實(shí)現(xiàn)改進(jìn)詞權(quán)重的DA主題建模工作。

　　2.3.2相似科研群體找尋

　　首先，將初步采集的科研情境信息根據(jù)圖進(jìn)行處理，從而獲得所有科研人員的情境取值。為了便于計(jì)算，本文對(duì)情境要素做了簡(jiǎn)化處理，并給出相應(yīng)的案例，括號(hào)內(nèi)的數(shù)值代表科研情境要素的權(quán)重，由相關(guān)領(lǐng)域?qū)＜疫M(jìn)行賦權(quán)。

　　2.3.3科研人員情境化偏好主題全面展示

　　由于要計(jì)算每一位科研人員在某特定情境下對(duì)每一篇待推薦科技文獻(xiàn)的感興趣程度，在得到每一篇科技文獻(xiàn)的主題—特征詞分布后，還需要得到每一位科研人員的情境化主題偏好分布。

　　科研圖書館論文投稿刊物：情報(bào)科學(xué)特別注重追求理論精品，面向行業(yè)工作實(shí)際，不僅形成了求實(shí)創(chuàng)新的學(xué)術(shù)風(fēng)格，成為同行之間進(jìn)行學(xué)術(shù)研討和業(yè)務(wù)交流的理想園地，而且也是國內(nèi)情報(bào)學(xué)、圖書館學(xué)領(lǐng)域影響較大的學(xué)術(shù)性期刊之一，在國內(nèi)組織的圖書館學(xué)情報(bào)學(xué)核心期刊評(píng)定中名列前茅。同時(shí)，在有關(guān)專家、學(xué)者進(jìn)行的引文分析中，《情報(bào)科學(xué)》在許多評(píng)價(jià)指標(biāo)，如學(xué)科隸屬度、合著規(guī)模、平均引文量、引文時(shí)間分布、引文半衰期等方面在專業(yè)期刊中全文轉(zhuǎn)載率位于第五位。

　　3結(jié)束語

　　為進(jìn)一步提升數(shù)字圖書館知識(shí)服務(wù)平臺(tái)的個(gè)性化服務(wù)水平，從而為科研人員推薦符合其情境需求的科技文獻(xiàn)，本文提出了一種基于科研人員情境化主題偏好的科技文獻(xiàn)協(xié)同推薦方法。盡管傳統(tǒng)的基于協(xié)同過濾和內(nèi)容的混合推薦在文獻(xiàn)資源平臺(tái)具有很強(qiáng)的適應(yīng)性，但面對(duì)海量的科技文獻(xiàn)數(shù)據(jù)，如何對(duì)其評(píng)分、如何界定科研人員的相似度，如何準(zhǔn)確描述科研人員的情境化需求是該推薦方法面臨的關(guān)鍵問題。

　　本文為了彌補(bǔ)該方法在科研人員相似度度量及情境化需求挖掘過程中的不足，特引入科研情境修正用戶相似度。同時(shí)，本文將提出的基于科研人員情境化主題偏好的科技文獻(xiàn)協(xié)同推薦和基于科研人員特征詞序列偏好的科技文獻(xiàn)協(xié)同推薦方法在真實(shí)數(shù)據(jù)集上進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，該方法能夠準(zhǔn)確把握用戶偏好，改進(jìn)用戶體驗(yàn)。本文提出的基于科研情境化偏好的科技文獻(xiàn)協(xié)同推薦方法對(duì)數(shù)字圖書館知識(shí)服務(wù)的改善具有一定作用，可以更加精準(zhǔn)地挖掘出科研人員的情境化偏好。

　　本文也存在一些不足之處，①實(shí)驗(yàn)過程中，科研人員的行為數(shù)據(jù)帶有較大的主觀性，因此上述實(shí)驗(yàn)結(jié)果存在一定的誤差。②科研情境要素的權(quán)重賦值，直接影響到相似群體的度量。采用文獻(xiàn)系統(tǒng)調(diào)研并結(jié)合相關(guān)專家的建議對(duì)情境要素進(jìn)行賦權(quán)存在一定的誤差。③數(shù)字圖書館環(huán)境下，科研人員的情境及其偏好復(fù)雜多變。本文聚焦在科研人員情境化偏好保持穩(wěn)定的情況，提出的一種科技文獻(xiàn)協(xié)同推薦方法。下一步研究中，筆者欲結(jié)合信息論中的熵值改進(jìn)科研情境要素的賦權(quán)方法;并深入研討科研人員情境化偏好模型更新的流程與方法，從而解決由于情境轉(zhuǎn)移所引發(fā)的主題偏好遷移問題。

　　參考文獻(xiàn)

　　[1]馮永張備,強(qiáng)保華等.MNHDRM:長(zhǎng)短興趣多神經(jīng)網(wǎng)絡(luò)混合動(dòng)態(tài)推薦模型J].計(jì)算機(jī)學(xué)報(bào),2019,42(1):1628.

　　[2]胡芳燚.基于用戶興趣和主題模型的混合推薦算法的研究與實(shí)現(xiàn)[D].北京：北京郵電大學(xué),201

　　[3]王欣,張冬梅.“互聯(lián)網(wǎng)+”背景下情境知識(shí)集成建模研究[J].情報(bào)科學(xué),2017,35(6):3943.

　　[4]侯力鐵.基于情景感知的移動(dòng)圖書館個(gè)性化推薦服務(wù)研究[D].長(zhǎng)春：吉林大學(xué),2019.

　　[5]汪圳,劉成山,秦春秀.基于科研情境的數(shù)字圖書館知識(shí)推薦研究[J].情報(bào)理論與實(shí)踐,2018,41(12):139143138.

　　[6]張亮任亞茹李夢(mèng)茹等基于團(tuán)隊(duì)科研—知識(shí)應(yīng)用情境匹配的數(shù)字圖書館知識(shí)推薦方法研究[J].情報(bào)雜志,2021,40(2):195200.

　　作者：李亞梅，秦春秀，馬續(xù)補(bǔ)