基于小数据融合的数字图书馆个性化推荐研究
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第15-23页 |
| 1.1 研究背景与研究意义 | 第15-17页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 研究现状 | 第17-20页 |
| 1.2.1 个性化推荐研究现状 | 第17-19页 |
| 1.2.2 数字图书馆个性化推荐研究现状 | 第19-20页 |
| 1.2.3 研究述评 | 第20页 |
| 1.3 研究内容与研究方法 | 第20-21页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 研究方法 | 第21页 |
| 1.4 本章小结 | 第21-23页 |
| 2 数字图书馆个性化推荐理论基础 | 第23-32页 |
| 2.1 数字图书馆个性化推荐的概念 | 第23-25页 |
| 2.2 数字图书馆个性化推荐的通用模型 | 第25-27页 |
| 2.2.1 用户信息模块 | 第25-26页 |
| 2.2.2 用户兴趣模块 | 第26页 |
| 2.2.3 推荐算法模块 | 第26-27页 |
| 2.3 数字图书馆个性化推荐的用户建模技术 | 第27-29页 |
| 2.3.1 基于资源分类树的方法 | 第27-28页 |
| 2.3.2 基于本体的方法 | 第28-29页 |
| 2.3.3 基于用户检索行为的方法 | 第29页 |
| 2.4 数字图书馆个性化推荐系统 | 第29-30页 |
| 2.4.1 国外数字图书馆个性化推荐系统 | 第29-30页 |
| 2.4.2 国内数字图书馆个性化推荐系统 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 小数据融合研究 | 第32-40页 |
| 3.1 小数据的内涵 | 第32-35页 |
| 3.1.1 小数据的含义 | 第32-33页 |
| 3.1.2 小数据的特征 | 第33页 |
| 3.1.3 小数据的类型 | 第33-35页 |
| 3.2 数据融合的内涵 | 第35-36页 |
| 3.2.1 数据融合的含义 | 第35页 |
| 3.2.2 数据融合的过程 | 第35-36页 |
| 3.2.3 数据融合的层次 | 第36页 |
| 3.3 小数据融合过程 | 第36-39页 |
| 3.3.1 数据层融合 | 第37-38页 |
| 3.3.2 特征层融合 | 第38-39页 |
| 3.3.3 知识层融合 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于小数据融合的数字图书馆个性化推荐方法 | 第40-50页 |
| 4.1 基于小数据融合的数字图书馆用户模型构建 | 第40-43页 |
| 4.1.1 数字图书馆用户类型 | 第40-41页 |
| 4.1.2 数字图书馆用户特征 | 第41-42页 |
| 4.1.3 数字图书馆用户模型 | 第42-43页 |
| 4.2 基于小数据融合的数字图书馆个性化推荐框架 | 第43-49页 |
| 4.2.1 数字图书馆资源特征 | 第43-46页 |
| 4.2.2 数字图书馆个性化推荐框架 | 第46-49页 |
| 4.3 本章小结 | 第49-50页 |
| 5 基于小数据融合的数字图书馆个性化推荐应用实例 | 第50-57页 |
| 5.1 研究型用户小数据融合 | 第50-54页 |
| 5.2 研究型用户模型构建 | 第54-55页 |
| 5.3 研究型用户资源推荐 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 未来工作 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64-65页 |
