一、网络环境下医学信息资源的个性化知识服务(论文文献综述)
程子轩[1](2021)在《面向用户知识需求的微信公众平台知识资源聚合及服务研究》文中进行了进一步梳理移动互联网时代,微信公众平台已成为人们交流、休闲、学习、生活的一部分,随着以传播知识为主的微信公众号涌现,微信公众平台也逐渐成为人们获取知识的重要途径。一些综合性或专业领域微信公众号发布各类科普知识和前沿资讯,一些学术类微信公众号专业发布学术领域内相关的学术知识,部分高校学报和高校图书馆微信公众号还专门开设“学术播报”、“学术快讯”等专栏,用于发布学术讲座及学术前沿知识。各类机构或个人通过微信公众平台发布大量科普型知识、专业发展前沿资讯、专业学术知识以及学术专题等,能够满足不同专业和认知层面的用户知识内容的需求。然而,微信公众平台知识内容以用户生成为主,其庞大纷杂的微信公众平台账号主体导致了平台信息和知识质量的参差不齐、出现信息过载和迷航现象,对海量知识资源缺乏科学高效的组织和管理。当前,随着大数据、人工智能等技术的发展,简单提供知识资源内容已经无法满足微信公众平台用户知识服务需求。智能时代,用户对知识质量和知识服务模式提出了更高的要求,促使微信公众平台知识组织和服务转型。如何在海量纷杂的信息中筛选出真正需要和感兴趣的知识资源内容不仅是广大微信用户面临的困扰,更是微信公众平台需要关注并急需解决的问题。鉴于此,本文将知识聚合理论与方法引入到微信公众平台知识资源组织及服务研究中,提出了面向用户知识需求的微信公众平台知识聚合及服务体系框架。首先,构建了微信公众平台用户画像并对用户知识需求进行了分析,从知识单元和句子层面分别提出了基于标签聚类和基于摘要生成的微信知识资源聚合方法,并基于不同知识资源聚合方法设计了微信公众平台知识推荐服务和知识集成服务两种知识服务模式。最后提出了提升微信公众平台知识聚合及服务能力的对策建议。本文主要开展了以下方面的研究:(1)面向用户知识需求的微信公众平台知识聚合及服务体系框架构建。通过辨析知识聚合服务与用户知识需求之间的关系,明确了微信公众平台面向用户需求开展知识聚合的必要性和可行性。阐述了微信公众平台知识聚合概念、目标与原则以及聚合服务要素,认为微信公众平台知识聚合是为了满足用户个性化知识需求,通过计量分析、数理统计、数据挖掘、人工智能等方法分析挖掘知识单元的内在联系,将微信公众平台复杂多样化、数量庞大、无序碎片的领域知识资源重新组织和序化,形成结构完善的知识体系,为后续微信公众平台知识聚合服务提供资源保障。通过分析面向用户需求的微信公众平台知识聚合服务组成要素、动因及过程,提出了面向用户需求的微信公众平台知识聚合服务体系架构,将其划分为数据资源层、用户需求挖掘层、知识资源聚合层、服务提供层4个主要模块。(2)微信公众平台用户画像构建与需求分析。基于VALS2模型从宏观层面对微信公众平台使用者构建群体用户画像,将用户划分为初期引入参与型、成长型和成熟型用户3类,并绘制各类用户特征的标签词云。分析不同类型的用户知识需求形成的过程,并建立微信公众平台用户知识需求层次模型。综合用户画像和用户知识需求层次构建了微信公众平台用户知识服务需求模型,凸显微信公众平台知识服务现状与用户知识需求的巨大差距。(3)基于标签聚类的微信公众平台知识聚合方法。提出融合Word2vec模型和TextRank算法的微信公众平台知识资源标签抽取方法,将关键词作为标签表达文本知识资源内容的主题思想及关键内容。提出基于改进BIRCH聚类算法的微信公众平台文本标签聚类方法,在原算法执行过程中融合K-means算法初选聚类中心,并综合考虑用户需求因素。最后以微信公众平台发布的“认知计算”领域文章为例进行实证研究,研究发现本文提出的基于改进Birch算法的聚类结果主题分布较为合理,各个类之间的区分度较为明显,类簇大小的差距较小,其效果要优于基于K-means算法、基于Spectral Clustering算法和基于Birch算法的聚合效果。(4)基于摘要生成的微信公众平台知识聚合方法。提出基于改进TextRank算法的微信公众平台知识摘要生成方法,分别设计了单文本摘要生成和单领域多文本的知识摘要生成方法。在单文本摘要生成方面,通过综合考虑用户需求、句子位置、标题相似度等因素提高摘要生成效果。在单领域多文本摘要生成方面,采用Doc2vec模型进行文本向量化,对文档集中的句子进行主题细分,并运用MMR算法进行句子冗余处理,提高生成结果的准确性。以微信公众平台发布的“认知计算”领域文章为例进行实证研究,研究发现运用本文方法生成的文本摘要能够较好的匹配用户需求,能够实现面向用户需求的个性化抽取和生成,准确率明显优于其他算法。且本文算法生成的摘要,具有较好的语意连贯性,便于读者的理解和进一步掌握文章主旨大意。(5)基于知识聚合的微信公众平台创新知识服务模式。以微信公众平台知识聚合及服务体系框架为基础,针对不同层面的知识聚合,构建了基于知识标签聚类的微信公众平台知识推荐服务和基于摘要生成的微信公众平台知识集成服务两种服务模式。分别阐述了两种知识服务的概念、知识服务要素和知识服务过程。(6)微信公众平台知识聚合及服务能力提升对策。分别从用户知识需求外化表达及挖掘、新技术应用和融合改进和微信公众平台创新服务理念及加强运营管理三个方面提出提升微信公众平台知识聚合及服务能力的对策建议。本文从理论层面将知识聚合理论和方法引入到微信公众平台,解决其知识组织和服务问题,扩展了知识聚合相关研究的领域和视角。同时,本文对微信公众号发布的知识内容进行知识主题聚类和自动化摘要生成,并建立了相应的知识聚合服务体系,丰富了社交媒体平台创新知识服务理论体系,为新媒体知识服务提供理论和技术支持。在实践层面,本文面向微信公众平台中不同微信公众号发布资源内容的知识聚合,分别进行了知识主题发现和自动生成摘要知识聚合技术实证,为微信公众平台知识资源组织管理提供了技术方法和手段。同时,提出的对策建议和服务模式也为微信公众平台开展创新型知识服务提供参考依据和建议。
李泽中[2](2020)在《多维数据融合的虚拟知识社区个性化知识推荐研究》文中研究说明大数据环境下,知识数量不断增加,为用户提供参考依据和知识来源的同时,也带来“知识过载”等问题。用户开始逐渐依赖虚拟知识社区以解决知识获取、知识交流的问题。虚拟知识社区具有高密度、高价值的知识来帮助用户满足知识需求,用户可以通过虚拟知识社区平台交流知识、共享知识、接受知识,并参加到知识推荐、知识反馈等知识服务中。虚拟知识社区的服务保障机制可以为用户提供有针对性的知识,营造良好的知识互动氛围,增强用户归属感。虚拟知识社区也存在大量低质、重复的碎片知识,还具有知识内容质量参差不齐、知识信息服务功能较为单一、服务层次较浅、平台的同质化现象严重等问题,原有的知识服务理论方法和方式手段已无法完全适应用户日益增长的多样化需求。用户在社区中生成知识内容、利用知识的同时,也留下了各种形式的行为记录数据,这些多维数据中包含大量的用户行为信息和个性化需求信息,如何利用这些数据开展知识服务、为用户提供更加优质和适配的用户服务内容也成为目前一个重要的研究方向。本文以虚拟知识社区为研究对象,从面向用户需求的视角出发,分析虚拟知识社区用户需求,并根据用户需求对虚拟知识社区数据进行了维度划分及融合,研究基于多维数据融合的虚拟知识社区个性化知识推荐模型,探索虚拟知识社区个性化知识推荐效果评价方法,并提出相应的优化策略和建议。本文主要开展了以下六个方面的研究工作:(1)分析了用户需求的特征,包括需求表达的直接性、间接性、需求接收的实时性、需求服务的高效性以及形成原因,即任务驱动、知识偶遇以及交流互动,以此将用户知识需求划分为知识需求、情感需求以及社交需求三个类型。基于多理论假设,为虚拟知识社区用户知识需求维度划分提供了理论和实证依据。通过社会资本理论,提出网络社会资本、认知社会资本以及结构社会资本三个维度的假设,运用逻辑回归方法进行实证研究。结果表明,这三个维度对虚拟知识社区用户的知识需求具有显着影响。(2)虚拟知识社区的数据实质是一系列交互元素的集合体。虚拟知识社区开发与设计的核心来源于用户需求。基于社会资本理论,结合已有研究,从用户需求的角度对多维数据融合的过程和特征进行分析,在此基础上对多维数据进行维度划分,包括社交网络维度、情感感知维度以及用户画像维度。进一步分析了多维数据融合与知识推荐之间的关系:多维数据融合是知识推荐的基础,多维数据融合的质量是决定知识推荐效果的关键;知识推荐是多维数据融合的目的。(3)分析了虚拟知识社区个性化知识推荐的目标定位,包括知识推荐服务的可用性、知识推荐内容的有用性以及知识推荐结果的适配性。在此基础上,对虚拟知识社区个性化知识推荐的动力进行探讨,包括知识主体的牵引、知识技术创新发展需求的拉动、知识势能差的推动以及知识创新环境发展的必然。分析了虚拟知识社区个性化知识推荐模型的组成要素以及具体的推荐过程,包括知识需求的获取、多维度数据融合、知识生成以及知识推荐和吸收阶段。综合以上分析,从数据采集层、多维数据融合层、知识聚合层以及应用层4个层面构建多维数据融合的虚拟知识社区个性化推荐模型并进行探讨研究,以期通过服务组织模式探索,有效地促进用户服务,真正满足用户需求。(4)鉴于当前关于个性化知识推荐领域研究的热点问题,本文针对虚拟知识社区及其用户的多样化特征,通过引入用户画像、情感感知和社交网络三个维度信息,在多维数据融合的虚拟知识社区个性化知识推荐模型的基础上,完成用户知识需求的可视化;同时利用改进的最大团算法设计了虚拟知识社区个性化知识推荐算法,并且通过选取某虚拟知识社区用户数据进行了实例分析,实现了精准的个性化知识推荐。实例分析结果表明,在虚拟知识社区个性化知识推荐过程中,通过引入这三个维度信息并进行深度融合构建用户知识需求模型,可以使得其个性化知识推荐结果的精准度得到显着的提升。(5)基于多维数据融合的视角构建了虚拟知识社区推荐效果评价指标体系,旨在为虚拟知识社区推荐服务建设提供理论依据和评判标准。本文利用模糊层次分析方法对“虚拟知识社区推荐效果”指标体系进行测评,并选用模糊数学中隶属度函数作为标度系统对国内外6个具有代表性的虚拟知识社区进行实证研究。实证结果表明指标体系具有实际应用价值和较强的可操作性,能更好的指导虚拟知识社区进行推荐服务建设。本文在理论层面构建的评价指标体系为虚拟知识社区推荐服务建设提供新的研究视角;在实践应用层面,通过对推荐服务的评价来提升虚拟知识社区推荐服务质量和效率,从而达到满足用户需求和期望的目标。(6)基于社会资本理论,从用户画像视角、社交网络视角、情感感知视角三个维度入手,提出虚拟知识社区个性化推荐优化策略和建议。在用户画像视角下,满足用户的多层次知识需求,提高用户自身的知识素养,深度运用多维数据融合技术为用户提供更有针对性与价值的知识信息;在社交网络视角下,推动知识共同体的形成和发展,使平台内知识信息更具系统化、结构化、完整化特征,加强虚拟知识社区用户间交流和活动,开发基于虚拟知识社区平台的社交应用,并增加社区意见领袖识别与用户激励机制的设计,促进社区内用户进行知识交流;情感感知视角下,实现个性化知识推荐的精确性,加强知识的权威性和整合性,加强用户的信任和关系密切程度,并利用可视化丰富知识形式,从而更好地发挥个性化知识推荐效果。在虚拟知识社区中,用户通过虚拟知识社区获得知识满足自身的知识需求,也通过虚拟知识社区拓展社交关系、传递情感,并且在使用服务过程中提升愉悦感和归属感。本文基于用户的需求出发,对虚拟知识社区的多维数据进行维度划分,并为用户提供个性化知识推荐,提升用户的虚拟知识社区参与度,促进知识的共享、利用及创新,进而提高虚拟知识社区的知识服务能力和水平,在提高虚拟知识社区影响力和竞争力的同时,也帮助虚拟知识社区健康持续地发展。
宋拓[3](2020)在《虚拟健康社区知识聚合及效果评价研究》文中提出随着互联网的高速发展,越来越多的用户愿意选择在网络中获取知识和寻求答案,各种功能性网络社区就成为了人们获取信息的第一选择。在互联网高速发展的几十年间,使得数据爆炸式增长,传统的搜索方式已经不能完全满足用户的多样性需求。一时间,网络中的数据呈现出膨胀化、冗余化、碎片化等问题对网络用户获取需求信息的要求带来了巨大的屏障。用户通过网络寻求知识的目的是想利用快捷、简便的方式获取到专业、精准的信息与知识,并迫切需要一种能够高效、精准的获取知识的方式。正是这种需求的存在,才应运而生了各种各样类型的网络平台与网络新媒体,网民可以通过个人的需求不同,在不同类型的网络平台中检索自己喜欢的内容;例如虚拟学习型社区可以检索有关学习的相关内容并在社区中与相似知识需求的网友一起谈论或提问,典型的社区有知乎、小木虫等;例如交友社交类社区可以通过自己的爱好查找相关的娱乐新闻或生活类帖子,亦或是与生活中真实好友或虚拟好友进行聊天互动,典型的社区有新浪微博、微信、博客等;例如生活型虚拟社区可以帮助百姓在互联网中解决实际生活中缴费、预约、反映生活问题的情况,典型的社区有网上银行、网上交警、移动电话营业厅等;以上的例子反映出越来越多的生活中的实际问题都可以再网络中完成,不但节省了网民寻求答案的时间、提高了网民的生活效率也给大家带来了生活中的愉悦感。就此,2018年4月12日国务院总理李克强主持召开常务会议,确定发展“互联网+医疗健康”措施,缓解看病就医难的问题,可以提高医疗效率,充分利用医疗资源,建立互联网医疗体系,此措施发出后必将缓解网民大病就医难、小病无人管的尴尬局面。在此之后,虚拟健康社区出现,网友进入社区后通常有两种活动方式,一是有明确目标后在搜索引擎中进行搜索后筛选自己想要的结果;二是没有明确目的在社区页面中寻找感兴趣的关键词或是感兴趣的板块进行浏览。但通过对虚拟健康社区一段时间的使用后发现,想要精确的查找自己想要的知识或信息的准确答案还是有些困难,这就意味着虚拟健康社区中的后台医疗知识数据不能充分、精确的与网友的需求相匹配,此现象可能会降低用户粘性与活跃度,也对网友的生活没能起到更大的帮助。所以,现在虚拟健康社区中的服务还没能达到人性化,知识聚合还没能达到智能的效果,得到的结果就不能完全与网友的需求契合,本文就是意识到虚拟健康社区中的问题后通过从用户需求的角度来解决知识聚合的高效化和精准化。通过以上发现的问题,本文通过用户需求的角度入手,分析了知识聚合的过程,并通过算法将其优化,以达到用户在虚拟健康社区中能够有效使用知识的目的,本文的主要研究内容包括以下几个方面:(1)通过用户画像的分析得出虚拟健康社区中用户的需求。通过挖掘用户的静态和动态属性标签,构建虚拟健康社区的用户画像,分析得出用户的分类及属性特征,并从不同角度将用户分组,这样能够更加专深化、精准化的从各方位掌握用的需求,在次基础上分析了用户需求动态的演化方向,能更加准确分析出用户需求,最后构建需求演化的过程模型。(2)构建了虚拟健康社区知识聚合模型。首先界定了虚拟健康社区知识聚合的概念,分析认为虚拟健康社区是始于特定的医患需求或具体的健康问题,所以通过运用数理统计分析、大数据挖掘、人工智能、语义网等技术识别社区内部的知识资源,而后通过分析知识需求与知识聚合的关系加之分析虚拟健康社区知识聚合的目标及动因构建虚拟健康社区知识聚合的框架,从而更有利于社区用户对健康知识的获取。(3)谱聚类算法下的虚拟健康社区知识聚合实现。基于“好大夫”健康平台展开分析,爬取好大夫健康平台中的内容进行处理,利用谱聚类算法对提取出的关键词进行算法分析,可以帮助用户虚拟健康社区用户迅速了解相关主题及知识内容,并且帮助社区有效提升用户体验和服务质量。(4)评价聚合效果。运用信息聚合理论和信息传播效果理论,在指标构建依据的指导下,构建虚拟健康社区知识聚合效果评价指标体系,为验证评价指标体系的可用性,选取国内外多个健康社区进行验证,结果表明知识的内容聚合程度得分最高对聚合程度影响最大,这说明虚拟健康社区对知识聚合程度的要求最高,提高知识聚合程度就可以提升社区运营的用户体验,这对提高社区服务能力及用户对社区的认可程度具有重要意义。通过以上理论分析以及技术实现后,对虚拟健康社区知识聚合效果做出评价,最终给出了虚拟健康社区知识聚合的优化策略,以此全方面提升虚拟健康社区中知识资源给用户带来的愉悦体验。
王丹[4](2020)在《面向知识服务的农业机械领域本体构建研究》文中进行了进一步梳理随着本体技术的发展以及语义Web技术的成熟,领域本体的构建已成为研究的热点,各领域关于本体构建的研究呈现出上升的趋势。目前,领域本体的构建已经在相关学科中有了研究成果,构建出了领域本体模型,主要集中在生物医疗、农业、地理区位、化学领域和电子商务等领域。我国农业机械化水平呈现出快速、持续发展的态势,在网络时代全国积累的农业机械数据资源增长量大且都较为分散,给用户带来信息利用和获取上的障碍。本文从面向知识服务的角度出发,以实现个性化知识服务为目标,完成农业机械领域本体的构建,以此来为用户提供高效率、便捷化、精准度高的知识服务,为农业机械领域的科学研究、产品研发、农机推广与应用、维护保养的全生命周期与全行业服务。基于此背景下,为实现农业机械学科领域知识服务的个性化与优质化,该领域本体的构建是研究的基础,也是实现研究目标的核心内容。本体作为一种能在语义和知识层次上描述信息系统的概念模型,是一种新的知识组织方式,可以为用户的个性化、精准化、高效率的知识服务提供技术支撑。首先,对本体理论的相关知识进行了介绍与总结,概述了本体的定义、类型、描述语言以及构建方法与工具等内容。其次,在本体理论知识的基础上,本文设计了农业机械领域本体构建架构,对该领域需求进行了分析,并提出了领域本体的构建思路,列举出本体构建时所要遵守的原则;对领域信息资源向本体的转换进行了研究讨论,确定了信息材料以及构建方法的选取;基于领域信息源、文本关键词以及主题词表获取了领域概念,并运用同义词合并、停用词表以及专家意见的方法对其进行筛选,提取出了农业机械领域本体核心概念集合;根据农业机械学科的特性来描述出农业机械概念间的关系并定义属性,关系类型主要包括:等级关系和非等级关系;最后,运用Protégé5.2.0软件选择网络本体语言OWL对农业机械领域本体进行形式化表示,得到本体OWL语言代码,最终完成了农业机械领域本体的构建;对构建完成的农业机械领域本体进行可视化展示;通过耕整地机械实例的本体构建,验证了本文提出的本体构建思路与方法的可行性,为后续建立农业机械领域特色知识库奠定了研究基础。
李淑云,刘永梅,卫双囤[5](2019)在《议大数据环境下医院图书馆个性化知识服务模式》文中研究说明随着信息化网络技术的快速发展,临床科研教学任务的不断复杂化,医院用户迫切希望图书馆能融入其医疗工作和科研教学的全过程,并急切需要解决工作中实际问题,需要更专业化、个性化的知识服务模式来满足用户需求。个性化的知识服务是医院图书馆在新的信息网络环境下的一种以用户信息需求为中心的新型信息服务模式,是图书馆面向用户开展的个性化知识服务,是医院图书馆全面提升核心竞争力,实现服务创新和可持续发展的必然趋势。
杨雪[6](2019)在《基于用户行为分析的互联网金融知识服务研究》文中研究指明随着计算机技术和互联网技术的飞速发展,人们已经渐渐习惯利用网络来获得自己需要的知识,知识服务型企业便由此诞生。互联网金融公司作为在互联网背景下发展起来的新型知识服务型企业,其提供的互联网金融知识服务还处于发展阶段。互联网金融知识服务的最终目的是满足互联网金融用户的需求。但是,目前的互联网金融知识服务行业缺乏对用户行为的分析,并不能满足用户多元化的知识需求,无法为用户提供个性化互联网金融知识服务。基于用户行为的互联网金融知识服务为此带来了契机,通过对用户行为的分析,可以明确获取用户的金融知识需求,并以此提供相应的互联网金融知识服务。论文采用文献调研法、文献计量法、网络调研法、案例分析法等研究方法,在国内外研究现状的基础上,网络调研了目前互联网金融知识服务平台的服务现状,提出了基于用户行为的互联网金融知识服务,接着对互联网用户的行为和互联网金融知识服务的的特点以及影响因素进行了讨论,探讨了用户行为分析对互联网金融知识服务的价值;然后,构建了基于用户行为的互联网知识服务模式总体框架,并提出了基于用户不同的行为的可以提供不同的互联网金融知识服务模式;最后,从实际案例出发,以中金在线公司为例,分别对用户购买行为、用户浏览行为等进行了统计,验证了基于用户行为的互联网金融知识服务模式的科学性,并提出了基于用户行为的金融知识服务的完善建议。
郭顺利[7](2018)在《社会化问答社区用户生成答案知识聚合及服务研究》文中进行了进一步梳理随着大数据和移动互联网时代到来,传统基于关键词检索的搜索引擎搜寻和获取知识的方式已不能很好地满足人们需求。互联网快速发展带来的信息膨胀化、碎片化、冗余化等问题加速了用户对于垂直化、精准化信息的追求,用户越来越倾向于付出较少的时间和精力成本获取更加专业、权威的信息与知识,迫切需要一种新型的搜寻和获取知识方式。正是在这种大环境背景下社会化问答社区应运而生。社会化问答社区将社交和问答结合起来,引入社交网络来生产、传播和共享知识,满足用户精准化、垂直化以及个性化知识需求,帮助用户高效获取和利用知识,促进知识的流动和交互,迅速发展成为网络用户获取知识的重要渠道。然而,随着社会化问答社区知识资源呈现急剧式增长,出现了“知识过载,用户知识迷航”的现象。用户在搜寻、筛选和利用知识等方面付出了大量的时间和精力成本,使得现有的社会化问答社区知识服务内容和方式难以有效满足用户知识需求。同时也出现了答案质量参差不齐、大量有用知识无人问津,难以被发现和使用等问题。因此,如何实现用户生成答案有效的管理组织和挖掘,优化和创新知识服务模式,为用户提供更好的知识服务成为社会化问答社区发展面临重要问题。鉴于此,本文将知识聚合理论和方法引入到社会化问答社区知识服务,从面向用户知识需求视角出发,分析了社会化问答社区知识流动和用户知识需求,提出了基于知识聚合的社会化问答社区知识服务体系,探讨了用户生成答案质量评价问题,分别从知识单元、知识单元关联关系、句子3个关联维度设计用户生成答案知识聚合方法及相应的知识服务模式,最终提出促进社会化问答社区用户生成答案知识聚合及服务能力的策略。本文主要工作及结论如下:第一,探究了社会化问答社区的知识流动和用户知识需求。首先,分析了社会化问答社区知识流动特征、方式和过程。然后,分析了社会化问答社区用户知识需求的形成原因、层级和特征,借鉴科亨和泰勒的需求层次理论分为客观状态知识需求、意识层次知识需求、表达出来的知识需求、折衷知识需求、个性化知识需求5个层级,认为其具有多样和综合化、随机性和情景化、集成性和精准化、动态连续性等特点。最后,分析了用户知识需求动态演化的原因和方向,运用集合论思想分析了互动交流和浏览推荐2种情境下用户动态演化过程。第二,构建了基于知识聚合的社会化问答社区知识服务体系框架。首先,分析当前社会化问答社区现状及发展趋势,概述了用户生成答案知识聚合的目标和原则,将知识聚合理论引入到社会化问答社区知识服务。然后,分析了基于知识聚合的社会化问答社区知识服务要素、动力和过程,以及相应的知识服务模式。最后,构建了基于知识聚合的社会化问答社区知识服务体系框架,分为资源层、处理层、聚合层、服务层和服务接口层5层结构,其中知识聚合层是最为关键层,并分析了各个层的功能和作用。第三,提出了社会化问答社区用户生成答案质量评价方法。首先,通过文献综述和实证分析方法构建了包含答案文本特征、回答者特征、时效性、用户特征、社会情感5个维度16个指标的答案质量评价指标体系。然后,将用户生成答案质量评价问题认为是典型的机器学习分类问题,提出了基于GA-BP神经网络的评价方法。最后,采集知乎网站数据验证了方法的有效性和可行性。第四,基于标签聚类的社会化问答社区用户生成答案知识聚合及导航服务研究。为协助用户高效的从答案中查找和获取知识,提高知识搜寻和获取的效率,为用户提供知识导航和知识发现服务。首先,采用短语匹配模式提取答案中的关键短语,运用Text Rank算法抽取排名靠前的答案文本中关键短语生成标签。然后,认为答案标签能够代表答案的关键知识内容和思想,运用DPCA算法进行答案标签聚类分析,实现用户生成答案知识聚合。最后,构建了基于答案标签聚类的社会化问答社区知识导航服务模式,采集携程网问答数据进行应用研究。第五,基于改进关联规则的社会化问答社区用户生成答案知识聚合及推荐服务研究。为解决社会化问答社区用户生成答案知识过载,挖掘内含知识单元之间的关联,实现用户生成答案的关联知识聚合,为用户提供个性化的知识推荐服务。通过优化和改进了Apriori算法,设计了基于改进Apriori算法的用户生成答案关联知识聚合方法。构建了基于答案关联知识聚合的社会化问答社区知识推荐服务模式,采集知乎网站数据进行应用研究,验证了答案关联知识聚合及服务的有效性和可行性。第六,基于答案摘要生成的社会化问答社区用户生成答案知识聚合及融合服务。为了满足移动互联网环境下用户对于社会化问答社区答案知识总结需求,减少答案查阅和搜寻成本,提高答案知识获取的效率和用户体验。首先,提出了融合word2vec和多特征的句子相似度计算方法,实现短文本句子相似度计算。然后,针对概念类问题提出了基于改进Text Rank和MMR算法的答案摘要生成方法;针对意见咨询类问题提出了基于主题聚类的答案摘要生成方法;针对观点评价类问题提出了融合句子情感极性的答案摘要生成方法。最后,构建了基于答案摘要生成的社会化问答社区知识融合服务模式,选取知乎网站数据进行应用分析。本文从理论层面,将知识聚合理论和理念引入到社会化问答社区知识服务领域,为社会化问答社区知识服务的服务理念、服务模式、方法、价值目标等基础理论赋予了新的内涵特征,丰富了社会化问答社区知识管理与服务的理论体系,扩展了知识聚合理论的应用领域和范围。同时,也为用户生成答案知识聚合提供了更多的方法和技术支持,丰富了知识聚合的方法理论体系和社会化问答社区的知识挖掘和组织方法理论体系。在实践层面,为社会化问答社区优化和创新知识服务模式,基于知识聚合开展知识服务提供参考依据,为用户生成答案知识整合组织和管理提供了技术和方法支持,能够有效的应用于指导用户生成答案知识整合组织和管理工作,提高社会化问答社区知识服务的能力和质量,具有较强的解决社会化问答社区知识服务实际问题的应用价值。
李笑[8](2018)在《网络学习社区个性化知识服务调查研究》文中进行了进一步梳理随着网络技术的不断发展,各种新兴信息技术的应用和更新大大加快了网络学习社区的前进步伐,越来越多的用户选择在网络学习社区中进行信息的交流和分享。而网络学习社区也因其自身强大的交互性和开放性获得更多社区成员的认可和支持,逐渐成为人们获取信息和知识的重要场所和途径。但是社区用户由于知识储备、兴趣爱好、行业要求等差异,需求也越来越呈现多元化、复杂化,这就要求网络学习社区在为用户提供知识服务的同时,注重加强与个性化服务的有机结合,实现网络学习社区的个性化知识服务。本文研究的是网络学习社区个性化知识服务,主要分为五大部分进行研究。论文第一部分阐述了网络学习社区及个性化知识服务的国内外研究现状;第二部分介绍了网络学习社区、个性化知识服务和网络学习社区个性化知识服务的概念及理论;第三部分对网络学习社区个性化知识服务主体调查,对比分析了网络学习社区个性化知识服务的对象、内容、方式、技术四个方面;第四部分对网络学习社区中用户对个性化知识服务的具体使用情况进行问卷调查,总结网络学习社区个性化知识服务的不利因素;第五部分主要从政府、网络学习社区以及用户自身三方面对网络学习社区个性化知识服务提出针对性建议,以便提高网络学习社区个性化知识服务的水平及质量。
张勇[9](2017)在《移动环境下高校图书馆知识生态系统服务模式研究》文中指出移动环境的出现和快速发展给社会带来巨大变革,也深深地影响着高校图书馆的建设与发展。虽然一些移动服务已然在高校图书馆广泛应用,但这些多数是互联网服务的翻版,并没有给图书馆服务带来实质性的革新,高校图书馆服务与用户需求的差距仍然存在。本文将知识生态系统理论引入到高校图书馆来研究移动环境下的服务问题,是因为其理论切实能为移动环境下高校图书馆服务提供新的研究视角,笔者希望通过此研究能够促使高校图书馆移动服务更加科学高效并实现长远、高效、可持续的发展。第二章,从知识生态的层面介绍了自然生态、社会生态和知识生态的相关理论;从知识链的角度分析了知识链的形成、结构、优化和模型;从移动图书馆服务的视域阐述了移动服务的概念、方式和内容等;从高校图书馆知识生态系统的维度解析了知识生态系统、图书馆知识生态系统和移动环境下高校图书馆知识生态系统。本章是全文的理论基础,为本文涉及的研究内容提供相关理论来源。第三章,基于第二章理论探讨了移动环境下高校图书馆知识生态系统的服务机理。解析了系统的构成要素和结构,认为其形成是内在动力、外在动力、利导因子和限制因子综合作用的结果,并且具有一定的生命周期,是自组织、自适应的系统,同时也是知识增值创新、知识传递消费、知识生态反馈和知识协同进化的系统。移动环境下高校图书馆知识生态系统服务模型是知识服务主体在移动环境下利用移动知识技术向有知识需求的用户提供学科知识产品的个性化服务过程。本章是全文理论的核心,为全文提供概念逻辑框架。第四章,从学科知识资源的层面入手,研究了移动环境下高校图书馆学科知识资源服务模式。基于学科服务和知识服务的相关理论,提出了高校图书馆开展移动服务“产品化”思路,探讨了移动环境下高校图书馆学科知识资源体系的特征、结构和服务原则。认为该服务模式主要由学科知识移动服务平台、服务数据中心、学科资源维护系统三部分构成,通过知识链实现知识交流、知识检索、知识导航、知识推送和知识评价等功能。本章研究的是系统的服务基础,为服务提供物质介质。第五章,从移动知识技术的层面入手,研究了移动环境下高校图书馆云计算服务模式。基于云计算理论阐述了高校图书馆移动技术服务模式,并对技术框架进行了详实的研析。结合高校图书馆的实际情况,提出了高校图书馆移动云计算服务平台,并从基础设施层、数据处理层、管理控制层和服务应用层分别进行了功能设计,阐明了实现路径,对运行过程进行了讨论。本章研究的是系统的技术支撑,为服务提供技术可行性佐证。第六章,从用户个性化需求层面入手,研究了移动环境下高校图书馆用户个性化服务模式。基于个性化服务的相关理论,归纳总结了高校图书馆移动用户内涵、类型及特征。从用户需求现状综述分析其个性化需求演化方向,结合对长春7所高校的教师、学生、科研人员和管理人员的问卷调查分析,研究了面向“课程教与学”、“科研项目和论文创作”、“学校科学管理”的3种个性化移动服务模式并提出了相应改进措施。本章研究的是系统的服务目标,为服务指明方向。第七章,从知识环境的层面入手,研究了移动环境下高校图书馆知识生态系统的服务保障。讨论了知识环境的内涵及特征,重点阐述了移动服务中知识文化教育、知识产权保护、知识制度建设及知识经济策略等问题并提出了相应的解决方案和措施。本章研究的是系统的服务保障,为高效服务提供可操作条件。本文的研究在理论层面促进了知识生态系统理论的发展,丰富了知识生态系统在移动环境下的内涵,进一步推动了高校图书馆移动服务建设和发展。通过对高校图书馆知识生态系统移动服务模式的研究,明晰了移动服务革新作用,阐述了高校图书馆移动服务的新理念。在实践层面,针对高校用户的个性化需求进行了调查研究,并结合高校用户的教学、学习、科研和管理活动进行了针对性的探索,这为高校图书馆移动服务实践提供了有力借鉴。在未来的研究中,将继续以知识生态系统理论为基础,进一步拓展移动环境下高校图书馆的服务新理论和新模式,深入调查论证,做好实例实证,以推动高校图书馆事业不断的前进发展。
叶翠[10](2017)在《数字时代出版机构与图书馆知识服务融合研究》文中研究说明数字技术消解了行业边界,使得跨界融合成为各行业谋求发展的必然趋势。同样地,数字时代,出版机构与图书馆都欲在知识服务领域有所作为,双方跨界融合、协同发展是可靠途径。在知识服务的大环境之下,出版机构与图书馆之间的联系越来越紧密,共同举办了诸如“数字出版与数字图书馆融合发展国际研讨会’”的一系列业界会议,对数字时代出版机构与图书馆之间的融合进行了探讨,并对二者在知识服务方面的跨界融合十分关注。当前有利的环境为数字时代出版机构与图书馆知识服务融合提供了契机,这也正是本文研究的动力所在。本文以出版机构向知识服务进行数字化转型升级以及出版机构与图书馆跨界融合为背景,基于协同理论、信息集成服务理论、博弈理论,采用文献调研法、案例分析法、博弈分析法、专家咨询法、层次分析法,研究了数字时代出版机构与图书馆知识服务融合的概述、机理及条件、实施、效应、发展对策等主要内容。通过对数字时代出版机构与图书馆知识服务融合的研究,以期充实相关研究成果,为今后相关方面的研究提供参考。全文共分为七章,具体研究内容如下:第一章为绪论。该章主要通过研究背景的介绍引出了本文研究的出发点和必要性;继而运用文献调研法系统梳理了国内外知识服务融合研究以及出版机构与图书馆协作研究的相关成果;最后在分析本文研究目的与意义的基础上,提出了相应的研究方法、研究内容与技术路线。第二章为数字时代出版机构与图书馆知识服务融合概述。该章首先论述数字时代出版机构与图书馆知识服务融合的产生原因;接着解析知识服务、融合等相关基础概念,并界定数字时代出版机构与图书馆知识服务融合的内涵;继而分析了数字时代出版机构与图书馆知识服务融合的特征和原则;最后梳理出协同理论、信息集成服务理论、博弈理论等理论基础。第三章为数字时代出版机构与图书馆知识服务融合机理及条件。该章在明确数字时代出版机构与图书馆知识服务融合目标的基础上,透彻剖析了数字时代出版机构与图书馆知识服务融合机理的建构问题,并据此阐述了数字时代出版机构与图书馆知识服务融合的条件。第四章为数字时代出版机构与图书馆知识服务融合实施。该章首先明确出版机构与图书馆知识服务融合的维度和层次;继而采用案例分析法等方法梳理出当前出版机构与图书馆知识服务融合的模式,并据此分析出相应实现路径;最后针对性地分析了数字时代出版机构与图书馆知识服务融合过程及其相关影响因素。第五章为数字时代出版机构与图书馆知识服务融合效应。该章在明确知识服务融合效应包括知识服务融合风险与知识服务融合绩效的基础上,探讨了知识服务融合效应分析与评价的意义;进而运用博弈分析法对知识服务融合风险进行分析,以及运用专家咨询法、层次分析法对知识服务融合绩效进行评价。第六章为数字时代出版机构与图书馆知识服务融合发展对策。该章与上文知识服务融合的机理、实施、效应三大部分内容相对应,分别提出一系列促进和保障数字时代出版机构与图书馆知识服务融合健康可持续发展的有效对策。第七章为结语部分。该章总结全文,说明了研究中的创新之处与不足之处,并对今后的研究方向进行了展望。
二、网络环境下医学信息资源的个性化知识服务(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网络环境下医学信息资源的个性化知识服务(论文提纲范文)
(1)面向用户知识需求的微信公众平台知识资源聚合及服务研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景 |
1.1.1 微信公众平台成为用户获取知识的重要途径 |
1.1.2 微信公众平台知识资源海量庞杂且质量参差不齐 |
1.1.3 用户日趋追求精准和智能化的知识服务 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实践意义 |
1.3 国内外研究现状 |
1.3.1 网络知识资源聚合的国内外研究现状 |
1.3.1.1 网络知识资源聚合的国内研究现状 |
1.3.1.2 网络知识资源聚合的国外研究现状 |
1.3.2 微信公众平台知识组织与服务的国内外研究现状 |
1.3.2.1 微信公众平台知识组织与服务的国内研究现状 |
1.3.2.2 微信公众平台知识组织与服务的国外研究现状 |
1.3.3 研究评述 |
1.4 研究方法及技术路线 |
1.4.1 主要研究方法 |
1.4.2 研究技术路线及思路 |
1.5 研究主要内容 |
1.6 研究的创新点 |
第2章 相关概念及理论基础 |
2.1 微信公众平台 |
2.1.1 微信公众平台概念 |
2.1.2 微信公众号的类型 |
2.1.3 微信公众平台知识资源 |
2.2 知识聚合理论与方法 |
2.2.1 知识聚合概念 |
2.2.2 常用的知识聚合方法 |
2.3 文本挖掘与分析 |
2.3.1 文本挖掘概述 |
2.3.2 文本挖掘流程 |
2.4 知识服务 |
2.4.1 知识服务概述 |
2.4.2 常见的知识服务模式 |
2.4.2.1 知识检索服务 |
2.4.2.2 知识导航服务 |
2.4.2.3 知识推荐服务 |
2.4.2.4 知识集成服务 |
2.5 本章小结 |
第3章 面向用户知识需求的微信公众平台知识聚合服务体系框架 |
3.1 微信公众平台知识聚合服务面向用户知识需求的必要性 |
3.2 微信公众平台知识聚合及服务概述 |
3.2.1 微信公众平台知识聚合概念 |
3.2.2 微信公众平台知识聚合服务要素分析 |
3.2.3 微信公众平台知识聚合服务目标与原则 |
3.2.3.1 微信公众平台知识聚合服务目标 |
3.2.3.2 微信公众平台知识聚合服务原则 |
3.3 基于知识聚合的微信公众平台知识服务动因分析 |
3.4 面向用户知识需求的微信公众平台知识聚合服务体系框架 |
3.4.1 面向用户知识需求的微信公众平台知识聚合服务过程 |
3.4.2 面向用户知识需求的微信公众平台知识聚合服务体系框架构建 |
3.5 本章小结 |
第4章 微信公众平台用户画像构建及需求分析 |
4.1 微信公众平台用户画像概述 |
4.1.1 微信公众平台用户画像内涵 |
4.1.2 微信公众平台用户画像构建原则 |
4.2 微信公众平台用户画像构建 |
4.2.1 VALS2模型概述 |
4.2.2 基于VALS2的用户标签体系设计 |
4.2.3 用户画像标签权重设计 |
4.2.4 实证研究—以“学术类微信公众号用户”为例 |
4.2.4.1 样本特征统计分析 |
4.2.4.2 因子分析及分类标签抽取 |
4.2.4.3 用户画像聚类分析及可视化 |
4.3 基于用户画像的微信公众平台用户分类与知识需求分析 |
4.3.1 初期引入参与型用户 |
4.3.2 成长型用户 |
4.3.3 成熟型用户 |
4.4 微信公众平台用户知识需求层次分析 |
4.4.1 微信公众平台用户知识需求形成 |
4.4.2 微信公众平台用户知识需求层次划分 |
4.5 微信公众平台用户知识需求模型 |
4.6 本章小结 |
第5章 基于标签聚类的微信公众平台知识聚合及推荐服务 |
5.1 微信公众平台文本标签聚类的内涵及作用 |
5.1.1 微信公众平台文本标签聚类内涵 |
5.1.2 微信公众平台文本标签聚类作用 |
5.2 基于标签聚类的微信公众平台知识聚合方法 |
5.2.1 微信公众平台文本标签抽取方法 |
5.2.1.1 基于TextRank算法的文本标签抽取方法 |
5.2.1.2 Word2vec词向量模型 |
5.2.1.3 融合Word2vec和TextRank的文本标签抽取方法 |
5.2.2 BIRCH聚类算法及优化 |
5.2.3 基于改进BIRCH算法的微信公众平台知识资源聚合过程 |
5.3 实证研究—以“认知计算”领域为例 |
5.3.1 文本知识资源标签抽取 |
5.3.2 基于标签聚类的微信公众号知识资源聚合 |
5.4 基于标签聚类的微信公众平台知识推荐服务模式 |
5.4.1 微信公众平台知识推荐服务概述 |
5.4.2 基于标签聚类的微信公众平台知识推荐服务要素分析 |
5.4.3 基于标签聚类的微信公众平台知识推荐服务模式构建 |
5.5 本章小结 |
第6章 基于摘要生成的微信公众平台知识聚合及集成服务 |
6.1 微信公众平台文本知识摘要生成的内涵及作用 |
6.1.1 微信公众平台文本知识摘要内涵 |
6.1.2 微信公众平台文本知识摘要作用 |
6.2 基于TextRank算法的文本摘要生成过程及改进思路 |
6.2.1 基于TextRank算法的文本摘要生成方法及过程 |
6.2.2 基于TextRank算法的文本摘要生成方法改进思路 |
6.3 基于改进TextRank算法的微信公众平台知识摘要生成方法 |
6.3.1 基于TextTank算法的文本摘要生成方法改进 |
6.3.1.1 句子语义相似度计算 |
6.3.1.2 句子位置特征及标题相似度特征计算 |
6.3.1.3 基于MMR算法的句子冗余处理 |
6.3.2 融合用户需求与图模型的单文本知识摘要生成方法 |
6.3.3 融合主题与图模型的单领域多文本知识摘要生成方法 |
6.3.3.1 Doc2vec段落向量模型 |
6.3.3.2 微信公众平台单领域多文本知识摘要生成流程 |
6.4 实证研究—以“认知计算”领域为例 |
6.4.1 基于单文本知识摘要生成的微信公众平台知识聚合 |
6.4.2 基于单领域多文本摘要生成的微信公众平台知识聚合 |
6.5 基于摘要生成的微信公众平台知识集成服务模式 |
6.5.1 微信公众平台知识集成服务概述 |
6.5.2 基于摘要生成的微信公众平台知识集成服务要素分析 |
6.5.3 基于摘要生成的微信公众平台知识集成服务模式构建 |
6.6 本章小结 |
第7章 微信公众平台知识资源聚合及服务能力提升策略 |
7.1 用户知识需求外化表达及挖掘 |
7.1.1 提升用户知识需求外化表达能力 |
7.1.2 深入挖掘用户多层次知识需求 |
7.1.3 培养用户知识服务评价和反馈意识 |
7.2 加大新技术应用和融合改进 |
7.2.1 引入新技术,优化和改进知识聚合方法 |
7.2.2 知识聚合服务系统搭建和开发设计 |
7.2.3 应用可视化技术加强用户服务体验 |
7.3 微信公众平台创新服务理念及加强运营管理 |
7.3.1 加强主动知识服务意识,创新知识服务理念 |
7.3.2 构建和开展多元化平台知识服务模式 |
7.3.3 加强专业知识服务人才队伍建设 |
7.4 本章小结 |
第8章 研究结论与展望 |
8.1 研究结论 |
8.2 研究局限与展望 |
参考文献 |
附录 |
附录1 微信公众平台用户知识服务需求调查问卷 |
附录2 单领域多文本知识摘要生成示例 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(2)多维数据融合的虚拟知识社区个性化知识推荐研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状综述 |
1.2.1 虚拟知识社区研究现状 |
1.2.2 个性化推荐研究现状 |
1.2.3 研究现状述评 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 技术路线 |
1.5 本文创新点 |
第2章 相关概念与理论基础 |
2.1 虚拟知识社区 |
2.1.1 虚拟知识社区的概念 |
2.1.2 虚拟知识社区的特征 |
2.2 多维数据融合 |
2.2.1 多维数据融合的概念 |
2.2.2 多维数据融合的方法 |
2.2.3 多维数据融合的应用 |
2.3 知识推荐 |
2.3.1 知识推荐的概念 |
2.3.2 知识推荐的方法 |
2.4 社会资本理论 |
2.4.1 社会资本的定义 |
2.4.2 社会资本维度划分 |
2.5 用户需求理论 |
2.6 本章小结 |
第3章 虚拟知识社区的用户知识需求分析 |
3.1 虚拟知识社区的用户知识需求特征 |
3.1.1 需求表达的直接性 |
3.1.2 需求表达的间接性 |
3.1.3 需求种类的多样性 |
3.1.4 需求接收的实时性 |
3.1.5 需求服务的高效性 |
3.2 虚拟知识社区的用户知识需求形成原因 |
3.2.1 任务驱动 |
3.2.2 知识偶遇 |
3.2.3 互动交流 |
3.3 虚拟知识社区的用户知识需求类型 |
3.3.1 认知需求 |
3.3.2 情感需求 |
3.3.3 社交需求 |
3.4 虚拟知识社区的用户知识需求影响因素 |
3.4.1 虚拟知识社区的用户知识需求影响因素模型构建 |
3.4.2 虚拟知识社区的用户知识需求影响因素分析 |
3.4.3 虚拟知识社区的用户知识需求影响因素结果讨论 |
3.5 虚拟知识社区的用户知识需求模型 |
3.6 本章小结 |
第4章 虚拟知识社区多维数据的维度划分 |
4.1 多维数据的维度划分依据 |
4.1.1 多维数据的维度划分相关研究 |
4.1.2 用户知识需求与维度划分 |
4.2 多维数据的维度构成 |
4.2.1 用户画像 |
4.2.2 情感感知 |
4.2.3 社交网络 |
4.3 多维数据融合的过程与特征 |
4.3.1 多维数据融合的过程 |
4.3.2 多维数据融合的特征 |
4.4 多维数据融合与知识推荐的关系 |
4.5 本章小结 |
第5章 多维数据融合的虚拟知识社区个性化知识推荐模型 |
5.1 多维数据融合的虚拟知识社区个性化知识推荐功能目标定位 |
5.1.1 知识推荐服务的可用性 |
5.1.2 知识推荐内容的有用性 |
5.1.3 知识推荐结果的适配性 |
5.2 多维数据融合的虚拟知识社区个性化知识推荐动力分析 |
5.2.1 知识主体的牵引 |
5.2.2 知识技术创新发展需求的拉动 |
5.2.3 知识势能差的推动 |
5.2.4 知识创新环境的发展必然 |
5.3 多维数据融合的虚拟知识社区个性化知识推荐模型构成要素 |
5.3.1 主体要素 |
5.3.2 客体要素 |
5.3.3 技术要素 |
5.3.4 环境要素 |
5.4 多维数据融合的虚拟知识社区个性化知识推荐过程 |
5.4.1 知识需求获取阶段 |
5.4.2 多维数据融合阶段 |
5.4.3 知识生成阶段 |
5.4.4 知识推荐和吸收阶段 |
5.5 多维数据融合的虚拟知识社区个性化知识推荐模型构建 |
5.5.1 多维数据融合的虚拟知识社区个性化知识推荐目标 |
5.5.2 多维数据融合的虚拟知识社区个性化知识推荐模型框架 |
5.6 本章小结 |
第6章 多维数据融合的虚拟知识社区个性化知识推荐算法设计 |
6.1 多维数据的获取与融合 |
6.1.1 社交网络维度的数据获取 |
6.1.2 情感感知维度的数据获取 |
6.1.3 用户画像维度的数据获取 |
6.1.4 多维数据融合及用户需求表示 |
6.2 虚拟知识社区知识获取及知识相似性度量 |
6.2.1 知识获取及知识关联 |
6.2.2 知识相似性度量 |
6.3 基于多维数据融合的混合知识推荐算法 |
6.3.1 最大团算法 |
6.3.2 算法原理 |
6.3.3 算法流程 |
6.4 实验准备 |
6.4.1 数据来源 |
6.4.2 实验过程 |
6.5 实验结果及分析 |
6.5.1 多维数据可视化 |
6.5.2 知识推荐结果呈现与比较 |
6.6 本章小结 |
第7章 多维数据融合的虚拟知识社区个性化知识推荐效果评价 |
7.1 多维数据融合的虚拟知识社区个性化知识推荐效果评价问题提出 |
7.2 评价指标体系构建 |
7.2.1 指标构建原则 |
7.2.2 初始指标获取 |
7.2.3 评价指标体系确定 |
7.3 多维数据融合的虚拟知识社区个性化知识推荐效果实证 |
7.3.1 推荐评价模型构建 |
7.3.2 评价指标权重 |
7.3.3 评价过程 |
7.3.4 结果讨论 |
7.4 本章小结 |
第8章 虚拟知识社区个性化知识推荐优化策略 |
8.1 优化的原则与目标 |
8.2 用户画像视角的虚拟知识社区个性化知识推荐优化策略 |
8.2.1 满足用户的多层次需求 |
8.2.2 提升用户自身的知识素养 |
8.3 社交网络视角的虚拟知识社区个性化知识推荐优化策略 |
8.3.1 推动知识共同体的形成与发展 |
8.3.2 加强虚拟知识社区用户间交流与互动 |
8.3.3 开发虚拟知识社区的社交功能 |
8.3.4 社区意见领袖识别与激励机制设计 |
8.4 情感感知视角的虚拟知识社区个性化知识推荐优化策略 |
8.4.1 实现个性化知识推荐的精准性 |
8.4.2 加强知识的整合性与可靠性 |
8.4.3 利用知识可视化丰富推荐知识的形式 |
8.5 本章小结 |
第9章 总结与展望 |
9.1 本文总结 |
9.2 不足与展望 |
参考文献 |
作者简介及在学期间攻读成果 |
附录 |
致谢 |
(3)虚拟健康社区知识聚合及效果评价研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景、目的及意义 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.1.3 研究意义 |
1.2 国内外研究现状综述 |
1.2.1 国内外知识聚合研究热点 |
1.2.2 国内外知识聚合研究主题 |
1.2.3 国内外知识聚合研究算法与技术 |
1.2.4 国内外知识聚合模型构建 |
1.2.5 国内外知识聚合实践与应用 |
1.2.6 国内外研究发展趋势 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 研究思路 |
1.5 研究创新点 |
第2章 相关概念与理论基础 |
2.1 虚拟健康社区相关理论 |
2.1.1 虚拟健康社区内涵 |
2.1.2 虚拟健康社区知识聚合方法 |
2.2 知识聚合的理论及方法 |
2.2.1 知识聚合内涵 |
2.2.2 知识聚合方法 |
2.3 知识生态理论 |
2.3.1 知识生态因子 |
2.3.2 知识生态系统 |
2.4 用户需求理论 |
2.5 绩效评价理论 |
2.6 本章小结 |
第3章 虚拟健康社区用户知识需求分析 |
3.1 虚拟健康社区用户画像构建 |
3.1.1 用户画像数据获取 |
3.1.2 虚拟健康社区用户画像标签建模 |
3.1.3 虚拟健康社区用户画像服务能力评价 |
3.2 虚拟健康社区用户知识需求类型 |
3.2.1 用户显性需求 |
3.2.2 用户隐性需求 |
3.3 虚拟健康社区用户知识需求特征 |
3.3.1 知识内容与类型角度 |
3.3.2 用户特征角度 |
3.3.3 信息行为角度 |
3.4 虚拟健康社区用户知识需求的动态演化 |
3.4.1 用户知识需求动态演化的成因 |
3.4.2 需求演化影响因素的因果关系模型 |
3.4.3 用户知识需求动态演化的方向 |
3.4.4 用户知识需求演化的过程模型 |
3.5 虚拟健康社区用户知识需求与知识聚合关系 |
3.5.1 知识需求与知识聚合关系 |
3.5.2 知识需求与知识聚合匹配原则 |
3.6 虚拟健康社区用户知识需求模型 |
3.7 本章小结 |
第4章 虚拟健康社区知识聚合模型 |
4.1 虚拟健康社区知识聚合概念及组成要素分析 |
4.1.1 虚拟健康社区知识聚合概念界定 |
4.1.2 知识聚合组成要素分析 |
4.2 虚拟健康社区知识聚合动力 |
4.2.1 用户需求驱动 |
4.2.2 服务主体的效益价值驱动 |
4.2.3 大数据和服务技术驱动 |
4.3 虚拟健康社区知识聚合的影响因素 |
4.3.1 用户需求维度 |
4.3.2 虚拟健康社区维度 |
4.3.3 内外部环境维度 |
4.3.4 信息技术维度 |
4.4 虚拟健康社区知识聚合的过程 |
4.4.1 用户知识需求建模 |
4.4.2 用户知识需求采集和预处理 |
4.4.3 知识服务提供 |
4.4.4 知识聚合评价和反馈 |
4.5 虚拟健康社区知识聚合模型构建 |
4.6 本章小结 |
第5章 虚拟健康社区知识聚合的方法及实现 |
5.1 虚拟健康社区知识聚合方法流程 |
5.2 用户知识需求挖掘 |
5.2.1 用户显性知识需求挖掘 |
5.2.2 用户隐性知识需求挖掘 |
5.3 知识特征选择 |
5.3.1 知识特征表示模型 |
5.3.2 知识特征项选择 |
5.3.3 基于互信息的知识特征提取方法 |
5.4 虚拟健康社区知识聚合方法 |
5.4.1 基于谱聚类知识聚合方法 |
5.4.2 知识特征相似度计算 |
5.4.3 知识内容相似度计算 |
5.5 实验过程及结果 |
5.5.1 知识内容相似度计算结果展示 |
5.5.2 知识聚类及知识需求可视化 |
5.5.3 结果讨论 |
5.6 本章小结 |
第6章 虚拟健康社区知识聚合效果的评价指标体系构建 |
6.1 虚拟健康社区知识聚合效果评价问题提出 |
6.2 评价指标体系构建 |
6.2.1 指标构建依据和原则 |
6.2.2 初始指标获取 |
6.2.3 筛选方法的选取 |
6.2.4 指标筛选过程 |
6.2.5 评价指标体系确定 |
6.3 基于层次分析的虚拟健康社区知识聚合效果实证 |
6.3.1 虚拟健康社区知识聚合效果评价模型构建 |
6.3.2 虚拟健康社区知识聚合效果评价指标权重 |
6.3.3 样本选取及评价结果 |
6.3.4 结果讨论 |
6.4 本章小结 |
第7章 虚拟健康社区知识聚合效果的优化策略 |
7.1 虚拟健康社区知识聚合效果优化的要求 |
7.1.1 虚拟健康社区知识聚合效果优化的必要性 |
7.1.2 虚拟健康社区知识聚合效果优化的可行性 |
7.2 虚拟健康社区知识聚合效果优化的目标与原则 |
7.2.1 虚拟健康社区知识聚合效果优化的目标 |
7.2.2 虚拟健康社区知识聚合效果优化的原则 |
7.3 虚拟健康社区知识聚合效果优化的提升动力与反馈机制 |
7.3.1 虚拟健康社区知识聚合效果提升动力 |
7.3.2 虚拟健康社区知识聚合效果优化的反馈机制 |
7.4 虚拟健康社区知识聚合效果优化的策略 |
7.4.1 情境感知技术的可用性提升策略 |
7.4.2 知识资源挖掘的细粒度化提升策略 |
7.4.3 知识聚合适配性提升策略 |
7.5 本章小节 |
第8章 总结和展望 |
8.1 本文总结 |
8.2 局限与展望 |
参考文献 |
个人简介与研究成果 |
致谢 |
(4)面向知识服务的农业机械领域本体构建研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究综述 |
1.2.1 知识服务研究现状 |
1.2.2 本体构建研究概况 |
1.3 研究内容与思路 |
1.3.1 研究内容 |
1.3.2 研究思路 |
1.4 研究方法与研究工具 |
1.4.1 研究方法 |
1.4.2 研究工具 |
1.5 研究目标与创新之处 |
1.5.1 研究目标 |
1.5.2 创新之处 |
2 知识服务及本体理论概述 |
2.1 知识服务理论 |
2.1.1 知识服务的内涵 |
2.1.2 知识服务的模式 |
2.1.3 知识服务相关要素 |
2.1.4 知识服务相关技术 |
2.1.5 面向学科领域知识服务的模式 |
2.2 本体理论 |
2.2.1 本体的定义 |
2.2.2 本体的类型 |
2.2.3 本体描述语言 |
2.2.4 本体构建方法及工具 |
2.3 基于本体的知识组织与知识服务 |
3 基于本体的个性化知识服务 |
3.1 个性化知识服务 |
3.1.1 个性化知识服务概述 |
3.1.2 个性化知识服务模式 |
3.1.3 个性化知识服务技术 |
3.1.4 个性化知识服务的特征 |
3.2 个性化知识服务内容 |
3.2.1 个性化知识推荐 |
3.2.2 个性化知识导航 |
3.2.3 个性化知识检索 |
3.2.4 个性化知识定制 |
3.3 基于领域本体的个性化知识服务框架设计 |
4 农业机械领域本体构建研究 |
4.1 农业机械领域本体构建设计阶段 |
4.1.1 农业机械领域需求分析 |
4.1.2 农业机械领域的特殊性 |
4.1.3 领域本体构建思路 |
4.1.4 农业机械领域本体构建原则 |
4.2 领域信息资源向本体的转换 |
4.2.1 信息材料选取 |
4.2.2 领域本体构建方法选取 |
4.3 农业机械领域本体概念的获取 |
4.3.1 农业机械领域本体概念总框架 |
4.3.2 基于领域信息源的本体概念提取 |
4.3.3 基于领域文本关键词及主题词表的概念提取 |
4.3.4 领域概念的筛选及概念属性 |
4.4 农业机械概念间语义关系确定与描述 |
4.4.1 领域本体主要关系类型 |
4.4.2 农业机械领域本体等级关系 |
4.4.3 农业机械领域本体非等级关系 |
4.5 农业机械领域本体形式化 |
4.5.1 形式化语言选择 |
4.5.2 领域本体形式化方法——运用Protégé5.2.0 软件 |
4.5.4 农业机械领域本体形式化表示 |
4.6 领域本体构建的推理测评与可视化 |
5 实例研究——农业机械耕地类领域本体构建实现 |
5.1 耕整地机械本体构建系统总体设计与实现 |
5.1.1 总体设计思路 |
5.1.2 具体实现设计步骤 |
5.2 利用Protégé实现耕地机械本体构建过程 |
5.2.1 耕整地机械类的构建 |
5.2.2 耕整地机械属性定义 |
5.2.3 耕整地机械实例的添加 |
5.2.4 耕整地领域本体模型的查询测验 |
5.3 耕地机械领域本体可视化展示 |
6 结论与展望 |
6.1 研究工作 |
6.2 研究成果 |
6.3 不足与展望 |
参考文献 |
致谢 |
攻读硕士期间取得的科研成果 |
(5)议大数据环境下医院图书馆个性化知识服务模式(论文提纲范文)
1 医院图书馆开展个性化知识服务的意义 |
2 医院图书馆开展个性化知识服务的必要性 |
2.1 个性化的知识服务符合用户需求 |
2.2 个性化的知识服务可促进医学学科建设 |
2.3 个性化的知识服务可提升医院图书馆核心竞争力 |
3 医院图书馆个性化知识服务的内容 |
3.1 交流互动 |
3.2 资源建设 |
3.3 用户教育和服务 |
3.4 定题文献服务 |
3.5 科研查新服务 |
3.6 咨询服务 |
4 构建医院图书馆信息服务平台 |
4.1 信息检索 |
4.2 数据挖掘 |
4.3 信息情报资料分析 |
(6)基于用户行为分析的互联网金融知识服务研究(论文提纲范文)
中文摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 相关概念 |
1.2.1 互联网金融知识服务 |
1.2.2 互联网用户行为 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 研究创新点 |
第2章 相关研究述评 |
2.1 用户行为分析研究现状 |
2.1.1 国外研究现状 |
2.1.2 国内研究现状 |
2.2 行业知识服务研究现状 |
2.2.1 国外研究现状 |
2.2.2 国内研究现状 |
2.3 个性化互联网金融知识服务研究现状 |
2.3.1 国外研究现状 |
2.3.2 国内研究现状 |
2.4 相关研究述评 |
第3章 基于用户行为的互联网金融知识服务分析 |
3.1 基于用户行为的互联网金融知识服务必要性 |
3.1.1 互联网金融知识服务平台的服务现状及不足 |
3.1.2 基于用户行为的互联网金融知识服务的提出 |
3.2 互联网用户行为及互联网金融用户知识服务需求分析 |
3.2.1 互联网金融用户行为分析 |
3.2.2 互联网金融用户知识服务需求分析 |
第4章 基于用户行为的互联网金融知识服务模式分析 |
4.1 基于用户行为的互联网金融知识服务模式构建的要素与原则 |
4.1.1 模式构建的要素 |
4.1.2 模式构建的原则 |
4.2 基于用户行为的互联网金融知识服务模式总体分析框架 |
4.2.1 模式的总体框架构建 |
4.2.2 模式的总体框架模块分析 |
4.3 基于用户行为的互联网金融知识服务具体模式分析 |
4.3.1 基于用户查询行为的互联网金融知识服务模式分析 |
4.3.2 基于用户利用行为的互联网金融知识服务模式分析 |
第5章 基于用户行为的互联网金融知识服务的模式运用及完善 |
5.1 基于用户行为的互联网金融知识服务模式的应用 |
5.1.1 案例公司(中金在线公司)概况 |
5.1.2 基于用户查询行为的中金在线公司金融知识服务 |
5.1.3 基于用户利用行为的中金在线公司金融知识服务 |
5.2 基于用户行为的互联网金融知识服务的完善策略 |
5.2.1 丰富信息资源建设,满足用户需求 |
5.2.2 建立知识服务体系,实现知识服务创新 |
5.2.3 完善知识服务策略,保障知识服务开展 |
第6章 研究结论及展望 |
6.1 研究结论 |
6.2 研究不足与展望 |
参考文献 |
攻读学位期间承担的科研任务与主要成果 |
致谢 |
个人简历 |
(7)社会化问答社区用户生成答案知识聚合及服务研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题背景 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实践意义 |
1.3 国内外研究现状 |
1.3.1 社会化问答社区用户生成内容的国内外研究现状 |
1.3.2 社会化媒体知识聚合及服务的国内外研究现状 |
1.3.3 研究现状述评 |
1.4 拟解决的关键问题与主要研究内容 |
1.4.1 拟解决的关键问题 |
1.4.2 主要研究内容 |
1.5 研究方法与技术路线 |
1.6 本文主要创新点 |
第2章 相关概念及理论基础 |
2.1 社会化问答社区概述 |
2.1.1 社会化问答社区的兴起 |
2.1.2 社会化问答社区的概念界定 |
2.1.3 社会化问答社区的特征 |
2.2 知识聚合的理论及方法 |
2.2.1 知识聚合的概念 |
2.2.2 知识聚合方法 |
2.3 知识服务理论 |
2.3.1 知识服务的概念及特点 |
2.3.2 知识服务的流程 |
2.3.3 知识服务模式 |
2.3.4 社会化问答社区知识服务现状及发展趋势 |
2.4 信息质量相关理论 |
2.4.1 信息质量的概念及维度 |
2.4.2 信息质量评价 |
2.5 本章小结 |
第3章 社会化问答社区的知识流动及用户知识需求分析 |
3.1 社会化问答社区用户及用户生成答案概念界定 |
3.1.1 社会化问答社区用户类型 |
3.1.2 用户生成答案的概念及特征 |
3.2 社会化问答社区的知识流动 |
3.2.1 社会化问答社区的知识 |
3.2.2 社会化问答社区知识流动内涵及特征 |
3.2.3 社会化问答社区知识流动方式 |
3.2.4 社会化问答社区知识流动过程 |
3.3 社会化问答社区用户知识需求层次及特征 |
3.3.1 社会化问答社区用户知识需求形成 |
3.3.2 社会化问答社区用户知识需求层次 |
3.3.3 社会化问答社区用户知识需求特征 |
3.4 社会化问答社区用户知识需求的动态演化 |
3.4.1 动态演化的成因及方向 |
3.4.2 用户知识需求动态演化的过程模型 |
3.5 本章小结 |
第4章 社会化问答社区用户生成答案知识聚合及其服务体系构建 |
4.1 用户生成答案知识聚合的概念界定 |
4.2 社会化问答社区用户生成答案知识聚合的目标及原则 |
4.2.1 用户生成答案知识聚合的目标 |
4.2.2 用户生成答案知识聚合的原则 |
4.3 基于知识聚合的社会化问答社区知识服务体系框架构建 |
4.3.1 基于知识聚合的社会化问答社区知识服务要素分析 |
4.3.2 基于知识聚合的社会化问答社区知识服务过程 |
4.3.3 基于知识聚合的社会化问答社区知识服务体系架构 |
4.4 本章小结 |
第5章 面向用户需求的社会化问答社区用户生成答案质量评价 |
5.1 社会化问答社区用户生成答案质量评价目标和原则 |
5.2 用户生成答案质量评价指标体系构建 |
5.2.1 评价指标的初步选取 |
5.2.2 用户生成答案质量评价指标体系实证分析 |
5.2.3 评价指标的修正和确立 |
5.3 评价指标的获取方式和量化 |
5.3.1 文本特征维度指标获取方式和量化 |
5.3.2 回答者特征维度指标获取方式和量化 |
5.3.3 时效性维度指标获取方式和量化 |
5.3.4 用户维度指标获取方式和量化 |
5.3.5 社会情感维度指标获取方式和量化 |
5.4 基于GA-BP神经网络的用户生成答案质量评价方法 |
5.4.1 GA-BP神经网络方法介绍 |
5.4.2 用户生成答案质量评价的过程 |
5.5 应用研究——以“知乎”网站为例 |
5.5.1 数据采集和预处理 |
5.5.2 答案质量评价方法应用分析 |
5.5.3 结果讨论与分析 |
5.6 本章小结 |
第6章 基于标签聚类的社会化问答社区知识聚合及导航服务 |
6.1 答案标签自动化生成 |
6.1.1 答案标签自动化生成目的 |
6.1.2 答案标签自动化生成步骤 |
6.2 基于DPCA算法的用户生成答案知识聚合 |
6.3 基于答案标签聚类的社会化问答社区知识导航服务 |
6.3.1 社会化问答社区知识导航服务概念及作用 |
6.3.2 基于答案标签聚类的社会化问答社区知识导航服务模式 |
6.4 应用研究——以“携程问答”为例 |
6.4.1 答案标签自动化生成方法应用研究 |
6.4.2 基于DPCA算法的用户生成答案知识聚合应用研究 |
6.5 本章小结 |
第7章 基于改进关联规则的社会化问答社区知识聚合及推荐服务 |
7.1 用户生成答案关联知识聚合的概念及作用 |
7.1.1 用户生成答案关联知识聚合的概念 |
7.1.2 用户生成答案关联知识聚合的作用 |
7.2 基于改进Apriori算法的用户生成答案关联知识聚合方法 |
7.2.1 改进Apriori算法的思路和方法 |
7.2.2 用户生成答案关联知识聚合流程及算法描述 |
7.3 基于答案关联知识聚合的社会化问答社区知识推荐服务 |
7.3.1 社会化问答社区知识推荐服务的概念及作用 |
7.3.2 基于答案关联知识聚合的社会化问答社区知识推荐服务模式 |
7.4 应用研究—以“知乎”网站为例 |
7.4.1 数据采集和预处理 |
7.4.2 数据处理过程及结果展示 |
7.4.3 实验结果讨论与分析 |
7.5 本章小结 |
第8章 基于答案摘要生成的社会化问答社区知识聚合及融合服务 |
8.1 用户生成答案摘要生成的概念及作用 |
8.1.1 用户生成答案摘要生成的概念 |
8.1.2 用户生成答案摘要生成的作用 |
8.2 融合word2vec和多特征的句子相似度计算 |
8.3 用户生成答案摘要生成方法 |
8.3.1 概念类问题答案摘要生成方法 |
8.3.2 意见咨询类问题答案摘要生成方法 |
8.3.3 观点评价类问题答案摘要生成方法 |
8.4 基于答案摘要生成的社会化问答社区答案知识融合服务 |
8.4.1 社会化问答社区答案知识融合服务概念及作用 |
8.4.2 基于答案摘要生成的社会化问答社区答案知识融合服务模式 |
8.5 应用研究—以“知乎”网站为例 |
8.5.1 答案摘要质量评价方法 |
8.5.2 用户生成答案摘要生成方法应用分析 |
8.6 本章小结 |
第9章 提升社会化问答社区知识聚合及服务能力的策略 |
9.1 知识服务主体层面 |
9.1.1 树立面向用户需求的知识聚合服务理念 |
9.1.2 深入挖掘用户多层次知识服务需求 |
9.1.3 优化和创新知识服务模式 |
9.1.4 加强知识服务人才队伍建设 |
9.2 知识服务对象层面 |
9.2.1 提高用户知识服务需求的外化能力 |
9.2.2 积极参与知识服务效果评价和反馈 |
9.2.3 积极参与平台知识生产和质量监控 |
9.3 知识服务技术方面 |
9.3.1 优化和改进知识挖掘和聚合组织技术 |
9.3.2 搭建基于知识聚合的新型知识服务系统 |
9.3.3 加大知识可视化技术应用 |
9.4 知识服务环境方面 |
9.4.1 优化社会化问答社区内外部知识服务环境氛围 |
9.4.2 加大社会化问答社区的推广和宣传力度 |
9.5 本章小结 |
第10章 研究结论与展望 |
10.1 研究结论 |
10.2 研究局限与展望 |
参考文献 |
附录 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(8)网络学习社区个性化知识服务调查研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究现状 |
1.2.1 国外研究综述 |
1.2.2 国内研究综述 |
1.3 研究方法 |
1.4 研究内容与创新点 |
1.4.1 主要内容 |
1.4.2 创新点 |
第2章 相关概念界定与基本理论概述 |
2.1 网络学习社区 |
2.1.1 网络学习社区的内涵 |
2.1.2 网络学习社区的特点 |
2.1.3 网络学习社区的结构 |
2.2 个性化知识服务 |
2.2.1 个性化知识服务内涵 |
2.2.2 个性化知识服务的特征 |
2.3 网络学习社区个性化知识服务 |
2.3.1 网络学习社区个性化知识服务界定 |
2.3.2 网络学习社区个性化知识服务主要特征 |
2.4 本章小结 |
第3章 网络学习社区个性化知识服务提供主体调查 |
3.1 典型网络学习社区介绍 |
3.2 网络学习社区个性化知识服务提供基本情况 |
3.2.1 网络学习社区个性化知识服务对象 |
3.2.2 网络学习社区个性化知识服务内容 |
3.2.3 网络学习社区个性化知识服务方式 |
3.2.4 网络学习社区个性化知识服务技术 |
3.3 本章小结 |
第4章 网络学习社区个性化知识服务使用客体调查及问题分析 |
4.1 问卷设计及数据分析 |
4.1.1 问卷设计 |
4.1.2 样本收集 |
4.1.3 统计分析 |
4.2 存在问题分析 |
4.2.1 个性化知识服务信息资源建设问题 |
4.2.2 个性化知识服务信息安全问题 |
4.2.3 个性化知识服务管理机制问题 |
4.2.4 知识服务用户自身的问题 |
4.3 本章小结 |
第5章 网络学习社区个性化知识服务提升建议 |
5.1 政府方面 |
5.2 网络学习社区方面 |
5.2.1 树立知识服务理念 |
5.2.2 管理体制改革 |
5.2.3 网络学习社区技术创新 |
5.2.4 个性化信息需求平台建设 |
5.2.5 人才队伍建设 |
5.3 用户自身方面 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.1.1 论文主要工作 |
6.1.2 论文不足之处 |
6.2 展望 |
参考文献 |
附录 |
致谢 |
(9)移动环境下高校图书馆知识生态系统服务模式研究(论文提纲范文)
摘要 |
ABSTRACT |
第1 章绪论 |
1.1 研究背景 |
1.1.1 互联网迅猛发展推动移动智能终端的普及应用 |
1.1.2 图书馆移动服务成为满足用户需求的发展方向 |
1.1.3 移动环境下图书馆建设需要解决知识生态问题 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 现实意义 |
1.3 国内外研究现状综述 |
1.3.1 图书馆知识生态系统研究现状 |
1.3.2 图书馆移动服务研究现状 |
1.3.3 研究现状评述 |
1.4 研究内容及研究方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.5 研究技术路线 |
第2 章相关概念及理论基础 |
2.1 知识生态的相关概念及理论 |
2.1.1 自然生态学的相关概念及理论 |
2.1.2 社会生态学的相关概念及理论 |
2.1.3 知识生态学的相关概念及理论 |
2.2 知识链的相关概念及理论 |
2.2.1 知识链的形成 |
2.2.2 知识链的结构 |
2.2.3 知识链的优化 |
2.2.4 知识链的模型 |
2.3 移动图书馆服务的相关概念及理论 |
2.3.1 移动环境的特点 |
2.3.2 移动图书馆服务的概念 |
2.3.3 移动图书馆的服务方式 |
2.3.4 移动图书馆的服务内容 |
2.4 高校图书馆知识生态系统的相关概念及理论 |
2.4.1 知识生态系统的相关概念及理论 |
2.4.2 图书馆知识生态系统的相关概念及理论 |
2.4.3 移动环境下高校图书馆知识生态系统相关概念及理论 |
2.5 本章小结 |
第3 章移动环境下高校图书馆知识生态系统服务机理 |
3.1 移动环境下高校图书馆知识生态系统要素构成 |
3.1.1 高校图书馆知识主体 |
3.1.2 高校图书馆知识资源 |
3.1.3 高校图书馆知识技术 |
3.1.4 高校图书馆知识环境 |
3.2 移动环境下高校图书馆知识生态系统结构 |
3.2.1 移动环境下高校图书馆知识生态系统要素内部结构 |
3.2.2 移动环境下高校图书馆知识生态系统要素间结构 |
3.2.3 移动环境下高校图书馆知识生态系统结构形态 |
3.3 移动环境下高校图书馆知识生态系统形成动因 |
3.3.1 移动环境下高校图书馆知识生态系统内在动力 |
3.3.2 移动环境下高校图书馆知识生态系统外在动力 |
3.3.3 移动环境下高校图书馆知识生态系统利导和限制因子 |
3.4 移动环境下高校图书馆知识生态系统运行过程 |
3.4.1 移动环境下高校图书馆知识生态系统生命周期过程 |
3.4.2 移动环境下高校图书馆知识生态系统自组织过程 |
3.4.3 移动环境下高校图书馆知识生态系统自适应过程 |
3.5 移动环境下高校图书馆知识生态系统的运行机制 |
3.5.1 知识增殖创新机制 |
3.5.2 知识传递消费机制 |
3.5.3 知识生态反馈机制 |
3.5.4 知识协同进化机制 |
3.6 移动环境下高校图书馆知识生态系统服务模型构建 |
3.6.1 移动环境下高校图书馆知识资源服务模块 |
3.6.2 移动环境下高校图书馆知识技术服务模块 |
3.6.3 移动环境下高校图书馆用户个性化服务模块 |
3.6.4 移动环境下高校图书馆知识环境服务模块 |
3.7 本章小结 |
第4 章移动环境下高校图书馆知识资源服务模式 |
4.1 移动环境下高校图书馆知识资源服务的提出 |
4.2 移动环境下高校图书馆学科知识资源的特征 |
4.2.1 资源成果呈“产品化” |
4.2.2 资源建设呈“多元化” |
4.2.3 资源形式呈“碎片化” |
4.2.4 资源服务呈“全时空” |
4.3 移动环境下高校图书馆学科知识资源体系构成 |
4.3.1 高校图书馆学科信息资源库 |
4.3.2 高校图书馆学科知识元库 |
4.3.3 高校图书馆学科知识产品库 |
4.3.4 高校图书馆学科服务信息库 |
4.4 移动环境下高校图书馆学科知识资源服务原则 |
4.4.1 知识元多变涌现原则 |
4.4.2 知识链灵活可塑原则 |
4.4.3 知识产品循环更新原则 |
4.5 移动环境下高校图书馆学科知识资源服务模型构建 |
4.5.1 学科知识资源维护系统 |
4.5.2 学科知识资源数据中心 |
4.5.3 学科知识资源服务平台 |
4.6 本章小结 |
第5 章移动环境下高校图书馆知识技术服务模式 |
5.1 移动环境下高校图书馆知识技术服务模式的提出 |
5.2 移动环境下高校图书馆云技术服务模式的建设优势 |
5.2.1 海量的存储性能 |
5.2.2 高速的计算性能 |
5.2.3 可靠的安全性能 |
5.2.4 强大的共享性能 |
5.2.5 无限的扩展性能 |
5.3 移动环境下高校图书馆云技术知识服务的架构 |
5.3.1 基于移动云技术的知识服务构成 |
5.3.2 移动环境下高校图书馆云技术知识服务构成 |
5.4 移动环境下高校图书馆云技术服务模型 |
5.5 本章小结 |
第6 章移动环境下高校图书馆用户个性化服务模式 |
6.1 移动环境下高校图书馆用户个性化服务模式的提出 |
6.2 移动环境下高校图书馆用户类型及需求现状 |
6.2.1 移动环境下高校图书馆用户类型 |
6.2.2 移动环境下高校图书馆用户特点 |
6.2.3 移动环境下高校图书馆用户需求现状 |
6.2.4 移动环境下高校图书馆用户需求演化 |
6.3 基于问卷调查的高校图书馆用户个性化需求分析 |
6.3.1 高校大学生个性化需求调查问卷分析 |
6.3.2 高校教师队伍个性化需求调查问卷分析 |
6.3.3 高校管理人员个性化需求调查问卷分析 |
6.3.4 高校图书馆用户个性化需求分析结果 |
6.4 面向用户个性化需求的高校图书馆移动服务模型 |
6.4.1 面向“课程教与学”的移动服务模式 |
6.4.2 面向“科研项目和论文创作”的移动服务模式 |
6.4.3 面向“学校科学管理”的服务模式 |
6.5 移动环境下高校图书馆个性化服务改进措施 |
6.5.1 通过平台架构完善用户个性化移动服务功能 |
6.5.2 通过素质培养提升用户个性化移动服务效率 |
6.5.3 通过无缝衔接丰富用户个性化移动服务资源 |
6.6 本章小结 |
第7 章高校图书馆移动服务的知识环境保障 |
7.1 高校图书馆移动服务知识环境问题的提出 |
7.2 高校图书馆的知识文化教育 |
7.2.1 图书馆员的知识素养培育 |
7.2.2 教师的知识素养培育 |
7.2.3 科研工作者的知识素养培育 |
7.2.4 学生的知识素养培育 |
7.3 高校图书馆的知识产权保护 |
7.3.1 高校图书馆知识产权保护的影响 |
7.3.2 高校图书馆知识产权问题分析 |
7.3.3 高校图书馆知识产权问题的解决路径 |
7.4 高校图书馆的知识制度建设 |
7.4.1 高校图书馆知识规章制度的影响 |
7.4.2 高校图书馆知识规章制度制定原则 |
7.4.3 高校图书馆知识服务制度的完善措施 |
7.5 高校图书馆知识经济策略 |
7.5.1 高校图书馆的经济运营现状 |
7.5.2 高校图书馆经济问题的原因分析 |
7.5.3 高校图书馆知识经济对策 |
7.6 小结 |
第8 章结论与展望 |
8.1 研究结论 |
8.2 研究创新点 |
8.3 研究局限及展望 |
8.3.1 研究局限 |
8.3.2 未来研究方向 |
参考文献 |
附录 |
作者简介与科研成果 |
致谢 |
(10)数字时代出版机构与图书馆知识服务融合研究(论文提纲范文)
论文创新点 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.1.1 出版机构与图书馆知识服务融合趋势显现 |
1.1.2 出版机构与图书馆知识服务融合研究欠缺 |
1.1.3 出版机构与图书馆知识服务融合值得研究 |
1.2 研究综述 |
1.2.1 知识服务融合研究 |
1.2.2 出版机构与图书馆协作研究 |
1.3 研究目的与意义 |
1.3.1 研究目的 |
1.3.2 研究意义 |
1.4 研究方法、研究内容与技术路线 |
1.4.1 研究方法 |
1.4.2 研究内容 |
1.4.3 技术路线 |
2 数字时代出版机构与图书馆知识服务融合概述 |
2.1 出版机构与图书馆知识服务融合的产生原因 |
2.1.1 数字时代知识服务环境的转变 |
2.1.2 知识服务协同创新是大势所趋 |
2.1.3 出版机构与图书馆的主动选择 |
2.2 出版机构与图书馆知识服务融合的基本概念 |
2.2.1 知识服务及其相关概念 |
2.2.2 融合及其相关概念 |
2.2.3 出版机构与图书馆知识服务融合的内涵 |
2.3 出版机构与图书馆知识服务融合的特征和原则 |
2.3.1 出版机构与图书馆知识服务融合的特征 |
2.3.2 出版机构与图书馆知识服务融合的原则 |
2.4 出版机构与图书馆知识服务融合的理论基础 |
2.4.1 协同理论 |
2.4.2 信息集成服务理论 |
2.4.3 博弈理论 |
2.5 小结 |
3 数字时代出版机构与图书馆知识服务融合机理及条件 |
3.1 出版机构与图书馆知识服务融合的目标 |
3.1.1 产生最佳知识服务协同效应 |
3.1.2 促进知识服务泛在化智能化 |
3.1.3 提供知识服务融合成功参照 |
3.2 出版机构与图书馆知识服务融合机理建构 |
3.2.1 出版机构与图书馆在知识服务融合中的关系 |
3.2.2 出版机构与图书馆在知识服务融合中的互动 |
3.2.3 出版机构与图书馆在知识服务融合中的角色 |
3.3 出版机构与图书馆知识服务融合的条件 |
3.3.1 实现政策制度对接 |
3.3.2 形成核心领导机构 |
3.3.3 解决技术方法难题 |
3.3.4 具备跨界融合人才 |
3.3.5 优化利益分配格局 |
3.4 小结 |
4 数字时代出版机构与图书馆知识服务融合实施 |
4.1 出版机构与图书馆知识服务融合的维度和层次 |
4.1.1 出版机构与图书馆知识服务融合的维度 |
4.1.2 出版机构与图书馆知识服务融合的层次 |
4.2 出版机构与图书馆知识服务融合的模式和路径 |
4.2.1 出版机构与图书馆知识服务融合的模式 |
4.2.2 出版机构与图书馆知识服务融合的路径 |
4.3 出版机构与图书馆知识服务融合的过程及其影响因素 |
4.3.1 出版机构与图书馆知识服务融合的过程 |
4.3.2 出版机构与图书馆知识服务融合过程的影响因素 |
4.4 小结 |
5 数字时代出版机构与图书馆知识服务融合效应 |
5.1 融合效应的构成 |
5.1.1 融合风险 |
5.1.2 融合绩效 |
5.2 融合效应分析与评价的意义 |
5.2.1 有助于控制知识服务融合风险 |
5.2.2 有助于检验知识服务融合效果 |
5.2.3 有助于提高科学化决策的水平 |
5.2.4 有助于实现各类要素优化配置 |
5.3 融合风险的博弈分析 |
5.3.1 融合博弈分析 |
5.3.2 融合风险表现 |
5.4 融合绩效的综合评价 |
5.4.1 融合绩效评价的原则 |
5.4.2 融合绩效评价的指标体系 |
5.4.3 融合绩效评价指标的权重测定 |
5.5 小结 |
6 数字时代出版机构与图书馆知识服务融合发展对策 |
6.1 机理层面的对策 |
6.1.1 掌握关键要素,增强互动关联 |
6.1.2 核查现实条件,实现融合目标 |
6.1.3 争取各方支持,破解障碍难题 |
6.2 实施层面的对策 |
6.2.1 树立典型模式,完善融合路径 |
6.2.2 关注影响因素,优化融合过程 |
6.2.3 营造良好环境,维护动力来源 |
6.3 效应层面的对策 |
6.3.1 厘清效应构成,指明融合方向 |
6.3.2 实施风险控制,推进融合发展 |
6.3.3 完善绩效评价,保障融合成果 |
6.4 小结 |
7 结语 |
7.1 本文的主要结论 |
7.2 本文的创新之处 |
7.3 研究不足与展望 |
参考文献 |
附录 |
攻博期间的科研成果 |
致谢 |
四、网络环境下医学信息资源的个性化知识服务(论文参考文献)
- [1]面向用户知识需求的微信公众平台知识资源聚合及服务研究[D]. 程子轩. 吉林大学, 2021(01)
- [2]多维数据融合的虚拟知识社区个性化知识推荐研究[D]. 李泽中. 吉林大学, 2020(08)
- [3]虚拟健康社区知识聚合及效果评价研究[D]. 宋拓. 吉林大学, 2020(08)
- [4]面向知识服务的农业机械领域本体构建研究[D]. 王丹. 江苏大学, 2020(05)
- [5]议大数据环境下医院图书馆个性化知识服务模式[J]. 李淑云,刘永梅,卫双囤. 中国卫生产业, 2019(29)
- [6]基于用户行为分析的互联网金融知识服务研究[D]. 杨雪. 福建师范大学, 2019(12)
- [7]社会化问答社区用户生成答案知识聚合及服务研究[D]. 郭顺利. 吉林大学, 2018(12)
- [8]网络学习社区个性化知识服务调查研究[D]. 李笑. 黑龙江大学, 2018(09)
- [9]移动环境下高校图书馆知识生态系统服务模式研究[D]. 张勇. 吉林大学, 2017(09)
- [10]数字时代出版机构与图书馆知识服务融合研究[D]. 叶翠. 武汉大学, 2017(06)