基于主題偏好的數(shù)字圖書(shū)館個(gè)性化檢索算法研究

摘要：由于當(dāng)前數(shù)字圖書(shū)館所采用的個(gè)性化檢索算法缺乏對(duì)用戶喜好的有效聚類分析能力，致使用戶難以準(zhǔn)確、迅速地獲取其所需信息。因此，文章設(shè)計(jì)了基于主題偏好的數(shù)字圖書(shū)館個(gè)性化檢索算法。該算法利用向量空間模型對(duì)用戶的主題偏好進(jìn)行深入挖掘并賦值。隨后，采用TF-IDF算法作為圖書(shū)指標(biāo)權(quán)重的計(jì)算方法，對(duì)賦值后的聚類結(jié)果進(jìn)行處理，以此作為圖書(shū)的類別標(biāo)簽。運(yùn)用Multi-Agent模型構(gòu)建了相應(yīng)的圖書(shū)個(gè)性化檢索模型，旨在提升數(shù)字圖書(shū)館系統(tǒng)的檢索效率。為了驗(yàn)證所提方法的有效性，設(shè)計(jì)了對(duì)比實(shí)驗(yàn)環(huán)節(jié)。通過(guò)將所提方法與傳統(tǒng)方法進(jìn)行對(duì)比，結(jié)果顯示：所提方法的檢索結(jié)果誤差率更低，結(jié)果彈出率更高，且結(jié)果輸出時(shí)間更短。這些優(yōu)勢(shì)表明，所提方法的使用效果相較于傳統(tǒng)方法具有顯著提升，進(jìn)一步證明了該方法在實(shí)際應(yīng)用中的更高價(jià)值。

關(guān)鍵詞：數(shù)字圖書(shū)館；主題偏好；個(gè)性化檢索；Multi-Agent模型；向量空間模型

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2024）23-0017-04

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）

0 引言

至今，數(shù)字圖書(shū)館的定義還沒(méi)有得到一個(gè)準(zhǔn)確的、具有共同認(rèn)知的定義[1-2]。從宏觀進(jìn)行分析，數(shù)字圖書(shū)館是圖書(shū)館內(nèi)由計(jì)算機(jī)處理的數(shù)字信息倉(cāng)庫(kù)，可使用數(shù)字技術(shù)進(jìn)行信息資源組織與管理，為用戶提供便利的圖書(shū)館功能與服務(wù)[3-4]。在數(shù)字圖書(shū)館服務(wù)中，個(gè)性化檢索是其主要功能之一。所謂的個(gè)性化檢索是根據(jù)用戶的興趣特點(diǎn)，向用戶推薦其感興趣信息的信息搜索方式，其原理是根據(jù)用戶喜好內(nèi)容為其推薦匹配信息。隨著用戶數(shù)量的逐漸增多，需要對(duì)用戶的需求信息展開(kāi)研究。因此，相關(guān)學(xué)者提出了大量方法以解決信息檢索問(wèn)題。

文獻(xiàn)[5]設(shè)計(jì)了一個(gè)基于大數(shù)據(jù)分析技術(shù)的數(shù)字圖書(shū)館信息檢索模型，采集數(shù)字圖書(shū)館信息檢索歷史數(shù)據(jù)，引入大數(shù)據(jù)分析技術(shù)構(gòu)建信息檢索模型，通過(guò)實(shí)例驗(yàn)證所設(shè)計(jì)模型的優(yōu)越性。結(jié)果表明，該方法能夠針對(duì)性地對(duì)需求信息進(jìn)行檢索，但是在面向海量數(shù)據(jù)信息時(shí)，存在結(jié)果輸出時(shí)間較短的問(wèn)題。文獻(xiàn)[6]提出一種基于遞歸神經(jīng)網(wǎng)絡(luò)與注意力機(jī)制的動(dòng)態(tài)個(gè)性化搜索算法，采用遞歸神經(jīng)網(wǎng)絡(luò)建立用戶個(gè)性化偏好模型，根據(jù)用戶興趣的動(dòng)態(tài)性建立模型，通過(guò)注意力機(jī)制對(duì)歷史用戶行為進(jìn)行加權(quán)處理。運(yùn)用用戶模型得到信息查詢與文檔之間的相關(guān)度得分，獲取個(gè)性化排序結(jié)果。實(shí)驗(yàn)結(jié)果表明，該算法能夠取得較好的個(gè)性化搜索結(jié)果，但是存在檢索結(jié)果誤差率較低的問(wèn)題，并且用戶喜好劃分能力不強(qiáng)。除此之外，文獻(xiàn)[7]提出了基于數(shù)據(jù)挖掘技術(shù)的圖書(shū)館個(gè)性化快速推薦算法，通過(guò)改進(jìn)的Apriori算法分析圖書(shū)借閱歷史數(shù)據(jù)，分析數(shù)據(jù)之間的關(guān)聯(lián)性，從而實(shí)現(xiàn)個(gè)性化推薦。實(shí)驗(yàn)結(jié)果表明，該算法具有較快的結(jié)果輸出速度，但是在結(jié)果彈出率方面還有待加強(qiáng)。

根據(jù)上述分析可知，傳統(tǒng)方法的使用效果并不能為用戶提供滿意的服務(wù)。為此，在此次研究中將根據(jù)用戶對(duì)于書(shū)籍內(nèi)容的主題偏好對(duì)個(gè)性化檢索服務(wù)展開(kāi)優(yōu)化，設(shè)計(jì)基于主題偏好的數(shù)字圖書(shū)館個(gè)性化檢索算法。在此次研究結(jié)束后進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證此次研究中設(shè)計(jì)方法在實(shí)際使用中的可行性與科學(xué)性。

1 數(shù)字圖書(shū)館個(gè)性化檢索算法設(shè)計(jì)

在本次研究前，對(duì)目前使用的數(shù)字圖書(shū)館個(gè)性化檢索算法進(jìn)行了系統(tǒng)且全面的分析，通過(guò)分析結(jié)果可以發(fā)現(xiàn)，當(dāng)前使用的數(shù)字圖書(shū)館個(gè)性化檢索算法具有計(jì)算速度緩慢、用戶喜好劃分能力較低的問(wèn)題。針對(duì)上述問(wèn)題，在此次研究中將設(shè)定用戶主題偏好挖掘模塊，并從整體化方向提升數(shù)字圖書(shū)館個(gè)性化檢索算法的使用效果。

1.1 用戶主題偏好挖掘

通過(guò)文獻(xiàn)研究可知，在用戶使用搜索引擎時(shí)，關(guān)鍵詞輸入是用戶的顯性需求，由于詞匯輸入的準(zhǔn)確性、用戶描述的規(guī)范性等問(wèn)題，使用此種方式得到的搜索結(jié)果往往達(dá)不到用戶的搜索要求。因此，在本次研究中主要對(duì)用戶的搜索主題偏好進(jìn)行挖掘分析。使用向量空間模型[8]對(duì)用戶主題偏好進(jìn)行表示，在數(shù)字圖書(shū)館系統(tǒng)中建立[N]維的主題向量空間：[[（s1，r1），（s2，r2），...，（sn，rn）]]。其中，[sn]表示第[n]個(gè)搜索關(guān)鍵詞，[rn]表示用戶在[sn]上的偏好程度，[i∈1，2，...，n]。使用此設(shè)定可得到的用戶主題向量的偏好內(nèi)容可表示為：

[R=（r1，r2，...，rn）] （1）

使用式（1） 對(duì)用戶操作日志進(jìn)行分析，得到該用戶在此階段的主體偏好[rd]。由于在用戶的操作過(guò)程中含有大量的瀏覽、下載、收藏等操作，其中包含了用戶的很多喜好信息，為了得到更加精確的用戶喜好信息，構(gòu)建相應(yīng)的日志分析模塊，獲取用戶操作內(nèi)容集合，則有：

[Rd=（rd1，rd2，...，rdn）] （2）

使用式（2） 統(tǒng)計(jì)用戶的訪問(wèn)與搜索頻率，對(duì)不同的操作內(nèi)容進(jìn)行權(quán)重計(jì)算，并進(jìn)行對(duì)應(yīng)的加權(quán)處理得到此關(guān)鍵詞的訪問(wèn)頻率，即可得到用戶在此主題上的訪問(wèn)情況，將此作為用戶的主體偏好程度，并將其體現(xiàn)到向量空間中，從而得到用戶的主題偏好向量，具體表示如下。

[Rd=（r1，r2，...，rn）] （3）

僅使用上述公式完成分析過(guò)程是具有一定局限性的，因?yàn)樵谟脩舻乃阉鬟^(guò)程中會(huì)出現(xiàn)輸入不規(guī)范、輸入內(nèi)容不當(dāng)?shù)葐?wèn)題，同時(shí)在上述公式的使用過(guò)程中會(huì)出現(xiàn)噪聲影響或者遺漏等問(wèn)題。因而，根據(jù)上述公式設(shè)定結(jié)果，使用Canopy算法[9-10]這種低成本的聚類算法對(duì)用戶的主體偏好進(jìn)行計(jì)算處理，則用戶最終主題偏好可體現(xiàn)為：

[A=α×Gd+β×Ggroup] （4）

式（4） 中，[Ggroup]表示用戶群主體偏好，[Gd]在此公式中與[Rd]等價(jià)。使用此公式可得到各階段的用戶偏好向量，對(duì)其進(jìn)行賦值，可得到準(zhǔn)確度更高的偏好向量聚類結(jié)果。使用上述公式對(duì)數(shù)字圖書(shū)館中的數(shù)據(jù)進(jìn)行處理，并將處理結(jié)果作為后續(xù)操作對(duì)象。

1.2 設(shè)定圖書(shū)信息標(biāo)簽

對(duì)使用上文處理后的數(shù)據(jù)進(jìn)行標(biāo)簽聚類處理，在此環(huán)節(jié)中，使用TF-IDF算法[11-13]作為圖書(shū)指標(biāo)權(quán)重算法。設(shè)定[TF]表示圖書(shū)標(biāo)簽與圖書(shū)之間的相關(guān)程度，如果圖書(shū)中出現(xiàn)的某一種標(biāo)簽較多，則圖書(shū)與這一標(biāo)簽的相關(guān)度越高。則圖書(shū)[p]中標(biāo)簽[bi]的[tfi]可表示為：

[tfi=ni，ji=1nbi×ni，j] （5）

式（5） 中，[ni，j]表示圖書(shū)[bi]被標(biāo)簽[p]標(biāo)注的次數(shù)，分母則是圖書(shū)[bi]被所有標(biāo)簽標(biāo)注的次數(shù)總和。通過(guò)文獻(xiàn)研究可知，IDF表示一個(gè)標(biāo)簽對(duì)圖書(shū)集合的普遍性權(quán)重[14-15]，如果此標(biāo)簽在圖書(shū)中使用的次數(shù)越多，則此標(biāo)簽可能描述了圖書(shū)的多種特征，不具備代表性，權(quán)重計(jì)算結(jié)果可信度較低。則標(biāo)簽[fi]的[idfi]計(jì)算過(guò)程可表示為：

[idfi=lgYj：fi∈ni，j] （6）

式（6） 中，[Y]表示圖書(shū)館系統(tǒng)中的圖書(shū)種類總數(shù)，分母表示被標(biāo)注過(guò)的圖書(shū)數(shù)目。如果使用的標(biāo)簽是不存在的，則可將分母視作0，針對(duì)此特殊情況，分?jǐn)?shù)可適度額外增加1。最后，將式（5） 與式（6） 結(jié)合，得到最終的指標(biāo)權(quán)重，具體公式如下所示。

[hij=idfi×tfi] （7）

使用上述公式，得到圖書(shū)信息標(biāo)簽權(quán)重信息，并選擇合適的標(biāo)簽聚類算法對(duì)其進(jìn)行處理，在此研究中選用C均值聚類算法對(duì)其進(jìn)行處理，為了提升使用效果，設(shè)定標(biāo)簽向量[j]與標(biāo)簽向量[k]之間的函數(shù)距離計(jì)算公式如下所示：

[dist（j，k）=1-k∈ynlj×lkk∈ynlj2k∈ynlk2] （8）

式（8） ，[dist（j，k）]表示上述兩標(biāo)簽向量之間的函數(shù)距離，使用此公式對(duì)圖書(shū)信息標(biāo)簽進(jìn)行處理。在此次研究中，為了更好地完成聚類處理過(guò)程，將設(shè)定固定的迭代處理次數(shù)，并選擇每個(gè)迭代過(guò)程中的最小值作為距離標(biāo)準(zhǔn)。

1.3 實(shí)現(xiàn)圖書(shū)個(gè)性化檢索

在上述設(shè)計(jì)中，完成了文中設(shè)計(jì)方法的基礎(chǔ)設(shè)計(jì)部分，在此部分中將對(duì)上述設(shè)定部分進(jìn)行綜合處理，實(shí)現(xiàn)圖書(shū)個(gè)性化檢索。根據(jù)數(shù)字圖書(shū)館系統(tǒng)中檢索信息的分布性特點(diǎn)，可知其內(nèi)部空間信息具有空間上與功能上的分布性。為了提升檢索速度，此次研究中使用Multi-Agent模型[16-17]，構(gòu)建對(duì)應(yīng)的圖書(shū)個(gè)性化檢索模型。為了保證此模型的使用效果，根據(jù)軟件工程學(xué)設(shè)計(jì)原理，將此模型內(nèi)容設(shè)定如圖1。

根據(jù)圖1，構(gòu)建相應(yīng)的檢索模型并將其應(yīng)用到數(shù)字圖書(shū)館系統(tǒng)中，并將系統(tǒng)中的二元變量分為兩類，將此兩類數(shù)據(jù)在系統(tǒng)中的數(shù)據(jù)庫(kù)記錄設(shè)定為[q]與[w]，通過(guò)計(jì)算相異度的形式，得到圖書(shū)館系統(tǒng)可提供的主題個(gè)數(shù)。圖書(shū)館系統(tǒng)中的圖書(shū)主題具有多種，用戶只能搜索到其中的一小部分，用戶與圖書(shū)館系統(tǒng)中的圖書(shū)種類呈現(xiàn)出不對(duì)稱變量的形式，以此可以使用Jaccard系數(shù)來(lái)衡量用戶可檢索內(nèi)容。由于圖書(shū)館系統(tǒng)中多使用互聯(lián)網(wǎng)技術(shù)作為依托，為了使此次研究結(jié)果的使用效果更佳，除上文中設(shè)計(jì)的主體偏好挖掘技術(shù)之外，還應(yīng)將用戶畫(huà)像技術(shù)應(yīng)用至此次研究設(shè)計(jì)方法中，實(shí)現(xiàn)數(shù)字圖書(shū)館的個(gè)性化服務(wù)。

將文中設(shè)計(jì)內(nèi)容有序融入傳統(tǒng)方法中，通過(guò)局部?jī)?yōu)化的方式，對(duì)傳統(tǒng)方法進(jìn)行整體化性能提升，以此保證文中設(shè)計(jì)方法的使用效果。至此，基于主題偏好的數(shù)字圖書(shū)館個(gè)性化檢索算法設(shè)計(jì)完成。

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)環(huán)境設(shè)計(jì)

在此次研究中完成了基于主題偏好的數(shù)字圖書(shū)館個(gè)性化檢索算法的設(shè)計(jì)部分，在此環(huán)節(jié)中將對(duì)文中設(shè)計(jì)方法的計(jì)算效果進(jìn)行分析。在此次研究中主要使用算例對(duì)比的方式，使用文中設(shè)計(jì)方法與文獻(xiàn)[5]基于大數(shù)據(jù)分析技術(shù)的數(shù)字圖書(shū)館信息檢索模型（傳統(tǒng)方法1） 和文獻(xiàn)[6]基于遞歸神經(jīng)網(wǎng)絡(luò)與注意力機(jī)制的動(dòng)態(tài)個(gè)性化搜索算法（傳統(tǒng)方法2） 進(jìn)行對(duì)比。

通過(guò)文獻(xiàn)研究可知，在數(shù)字圖書(shū)館中含有大量的圖書(shū)數(shù)據(jù)，且外界因素會(huì)對(duì)檢索結(jié)果造成一定的影響，因此，將實(shí)驗(yàn)平臺(tái)設(shè)定如表1。

通過(guò)上述參數(shù)組建此次實(shí)驗(yàn)平臺(tái)，并將其應(yīng)用到文中設(shè)計(jì)方法與傳統(tǒng)方法的對(duì)比過(guò)程中。由于數(shù)字圖書(shū)館的運(yùn)行過(guò)程中涉及大量的網(wǎng)絡(luò)控制部分，因此，將實(shí)驗(yàn)平臺(tái)搭建為Hadoop分布式平臺(tái)的形式，以此提升實(shí)驗(yàn)對(duì)比過(guò)程中的運(yùn)算效果。在此實(shí)驗(yàn)網(wǎng)絡(luò)共計(jì)4個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)設(shè)備參數(shù)設(shè)定如表2。

將實(shí)驗(yàn)平臺(tái)安裝至此實(shí)驗(yàn)網(wǎng)絡(luò)中，為實(shí)驗(yàn)過(guò)程提供硬件與技術(shù)支持。

2.2 實(shí)驗(yàn)方案設(shè)計(jì)

在此次實(shí)驗(yàn)過(guò)程中，將對(duì)數(shù)字圖書(shū)館中的300名用戶在為期1年內(nèi)的操作日記進(jìn)行分析，并使用文中設(shè)計(jì)方法與傳統(tǒng)方法對(duì)其主題喜好進(jìn)行挖掘，并將此部分?jǐn)?shù)據(jù)使用到個(gè)性化檢索中。為了對(duì)文中設(shè)計(jì)方法與傳統(tǒng)方法的使用效果進(jìn)行全面細(xì)致的對(duì)比，將實(shí)驗(yàn)對(duì)比指標(biāo)劃分為3部分，首先為DCG指標(biāo)，此指標(biāo)主要表示文中設(shè)計(jì)方法與傳統(tǒng)方法在個(gè)性化檢索過(guò)程中的質(zhì)量，通過(guò)檢索結(jié)果的誤差率表示。其次為個(gè)性化檢索有效性，通過(guò)檢索結(jié)果的彈出率表示。最后一組指標(biāo)設(shè)定為檢索結(jié)果輸出時(shí)間，通過(guò)此指標(biāo)驗(yàn)證文中設(shè)計(jì)方法與傳統(tǒng)方法在使用中的計(jì)算速度。此次實(shí)驗(yàn)中，對(duì)上述指標(biāo)共進(jìn)行周期為50次的對(duì)比實(shí)驗(yàn)，具體實(shí)驗(yàn)結(jié)果將通過(guò)數(shù)據(jù)與圖像的形式輸出。

2.3 檢索結(jié)果誤差率實(shí)驗(yàn)結(jié)果分析

通過(guò)上述實(shí)驗(yàn)結(jié)果可知，在使用文中設(shè)計(jì)方法后得到的檢索結(jié)果誤差率較低，可達(dá)到用戶的檢索精度要求。傳統(tǒng)方法在使用后得到的檢測(cè)結(jié)果誤差率較高，無(wú)法達(dá)到用戶的檢索精度要求。同時(shí)，通過(guò)對(duì)上述實(shí)驗(yàn)結(jié)果進(jìn)行系統(tǒng)分析可以看出，文中設(shè)計(jì)方法的檢索精準(zhǔn)度較高，是由于在檢索過(guò)程中，文中設(shè)計(jì)方法將用戶的主題偏好作為搜索的主要約束條件，以此保證檢索結(jié)果符合用戶的搜索精度要求。傳統(tǒng)方法在使用過(guò)程中，僅根據(jù)用戶輸入內(nèi)容進(jìn)行檢索，所得到檢索結(jié)果與用戶的預(yù)計(jì)檢索結(jié)果具有一定差異，由此造成了使用傳統(tǒng)方法進(jìn)行檢索后，結(jié)果誤差率較高的問(wèn)題。因此，在日后的研究中，應(yīng)將用戶主題偏好以及用戶喜好聚類作為研究的重點(diǎn)，以提升檢索方法的使用效果。

2.4 檢索結(jié)果彈出率實(shí)驗(yàn)結(jié)果分析

由圖3可以看出，使用文中方法后檢索結(jié)果的彈出率較高。對(duì)其數(shù)據(jù)進(jìn)行分析可知，文中設(shè)計(jì)方法的檢索成功率較高，且檢索結(jié)果較為有效。使用傳統(tǒng)方法后，檢索結(jié)果的彈出率明顯低于使用文中設(shè)計(jì)方法。對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行系統(tǒng)分析后初步了解到，由于傳統(tǒng)方法對(duì)于用戶的喜好分析能力較差，導(dǎo)致檢索結(jié)果中多呈現(xiàn)異常，直接影響了檢索結(jié)果的彈出率，無(wú)法為用戶提供滿意的檢索結(jié)果；文中設(shè)計(jì)方法在檢索的過(guò)程中，對(duì)于用戶的喜好進(jìn)行了精準(zhǔn)的分析，由此提高了檢索方法的使用效果。針對(duì)上述實(shí)驗(yàn)結(jié)果可以斷定，文中設(shè)計(jì)方法的使用效果優(yōu)于傳統(tǒng)方法。

2.5 檢索結(jié)果輸出時(shí)間實(shí)驗(yàn)結(jié)果分析

通過(guò)圖4可知，文中設(shè)計(jì)方法的檢索結(jié)果輸出時(shí)間較短，傳統(tǒng)方法的解鎖結(jié)果輸出時(shí)間較長(zhǎng)。此結(jié)果表明，文中設(shè)計(jì)方法的檢索速度明顯高于傳統(tǒng)方法，在相同時(shí)間內(nèi)使用文中設(shè)計(jì)方法，可得到更多的檢索結(jié)果。由此可見(jiàn)，文中設(shè)計(jì)方法在使用主題偏好聚類技術(shù)后，其使用性能得到了明顯提升，而傳統(tǒng)方法使用的計(jì)算部分較為落后，直接影響了傳統(tǒng)方法的使用效果。綜合上述實(shí)驗(yàn)結(jié)果分析內(nèi)容，可以確定，文中設(shè)計(jì)方法在使用后，用戶滿意度會(huì)明顯高于傳統(tǒng)方法。

對(duì)上述3部分實(shí)驗(yàn)結(jié)果進(jìn)行綜合分析后可知，文中設(shè)計(jì)的檢索算法使用效果優(yōu)于傳統(tǒng)檢索算法在日后的研究中可使用此算法作為圖書(shū)館個(gè)性化推薦服務(wù)中的主要運(yùn)行程序。同時(shí)，在日后的檢索算法研究中，應(yīng)將用戶的個(gè)人信息作為數(shù)據(jù)的來(lái)源與分析的主要內(nèi)容。

3 結(jié)束語(yǔ)

目前，數(shù)字圖書(shū)館的信息資源管理建設(shè)已經(jīng)取得較好的成果，但其個(gè)性化服務(wù)還需要進(jìn)行進(jìn)一步完善。此次研究將主題偏好挖掘分析技術(shù)應(yīng)用到用戶的個(gè)性化搜索中，提升了數(shù)字圖書(shū)館個(gè)性化服務(wù)的智能化發(fā)展。但由于此次研究時(shí)間較短，導(dǎo)致其在某些方面還存在相應(yīng)不足，在日后的研究中還應(yīng)對(duì)其不足之處加以優(yōu)化升級(jí)，為圖書(shū)館用戶提供更加便利的服務(wù)，推動(dòng)數(shù)字圖書(shū)館個(gè)性化服務(wù)的可持續(xù)化發(fā)展。

參考文獻(xiàn)：

[1] 吳談，周棟，包恒澤.基于用戶類別興趣偏好的個(gè)性化排序方法[J].湖南科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，35（1）：104-112.

[2] 黃進(jìn)，周棟.一種融合社會(huì)化標(biāo)注系統(tǒng)中主題域相似的個(gè)性化排序方法[J].計(jì)算機(jī)工程與科學(xué)，2018，40（5）：880-887.

[3] 張妤，孟蘭，孫成東，等.淺析農(nóng)業(yè)科研單位圖書(shū)館個(gè)性化信息服務(wù)：以吉林省農(nóng)業(yè)科學(xué)院圖書(shū)館為例[J].東北農(nóng)業(yè)科學(xué)，2020，45（5）：112-114，131.

[4] 王軍，王蘊(yùn)潔，丁立寧，等.新媒體環(huán)境下高等院校圖書(shū)館個(gè)性化 信息服務(wù)對(duì)策研究[J].黑龍江工程學(xué)院學(xué)報(bào)，2019，33（1）：63-66，80.

[5] 王均玲.大數(shù)據(jù)分析技術(shù)的數(shù)字圖書(shū)館信息檢索模型設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2020，43（17）：155-157，161.

[6] 周雨佳，竇志成，葛松瑋，等.基于遞歸神經(jīng)網(wǎng)絡(luò)與注意力機(jī)制的動(dòng)態(tài)個(gè)性化搜索算法[J].計(jì)算機(jī)學(xué)報(bào)，2020，43（5）：812-826.

[7] 王慶樺.基于數(shù)據(jù)挖掘技術(shù)的圖書(shū)館個(gè)性化快速推薦算法研究[J].現(xiàn)代電子技術(shù)，2019，42（5）：149-151，156.

[8] 張強(qiáng)，王國(guó)軍.個(gè)性化搜索中一種基于位置服務(wù)的隱私保護(hù)方法[J].電子與信息學(xué)報(bào)，2018，40（8）：1998-2005.

[9] 李莉.基于多Agent技術(shù)的數(shù)字圖書(shū)館個(gè)性化信息服務(wù)檢索模型研究[J].情報(bào)科學(xué)，2018，36（5）：90-93，98.

[10] 嚴(yán)銳，李石君.基于查詢意圖識(shí)別與主題建模的文檔檢索算法[J].計(jì)算機(jī)工程，2018，44（3）：189-194.

[11] 毛文山，趙紅莉，孫鳳嬌，等.基于Item2Vec負(fù)采樣優(yōu)化的專題地圖產(chǎn)品個(gè)性化推薦方法研究[J].地球信息科學(xué)學(xué)報(bào)，2020，22（11）：2128-2139.

[12] 鄭蕊，杜榮花.數(shù)字人文時(shí)代高校圖書(shū)館蒙古學(xué)學(xué)科服務(wù)升級(jí)研究：以內(nèi)蒙古高校圖書(shū)館為例[J].呼倫貝爾學(xué)院學(xué)報(bào)，2020，28（1）：102-106.

[13] 范宇.基于大數(shù)據(jù)的高校圖書(shū)館個(gè)性化服務(wù)路徑[J].吉林化工學(xué)院學(xué)報(bào)，2019，36（12）：67-70.

[14] 孫琪.基于智能過(guò)濾技術(shù)的數(shù)字圖書(shū)館個(gè)性化信息推薦服務(wù)研究[J].中國(guó)中醫(yī)藥圖書(shū)情報(bào)雜志，2020，44（6）：22-24.

[15] 邵絲媞.基于空間信息支持的圖書(shū)館個(gè)性化資源集成系統(tǒng)設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2019，42（18）：112-115，119.

[16] 李云暢.大數(shù)據(jù)時(shí)代高校圖書(shū)館檢索服務(wù)系統(tǒng)經(jīng)驗(yàn)借鑒[J].內(nèi)蒙古財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019，17（4）：138-140.

[17] 李春剛.探索大學(xué)圖書(shū)館文獻(xiàn)資源檢索利用技巧[J].大學(xué)圖書(shū)館學(xué)報(bào)，2019，37（4）：127.

【通聯(lián)編輯：代影】