蔡惠斌--bxfinal.pdfVIP

蔡惠斌 heather.cai@mcgill.ca The 7th Advanced Digital Library Seminar Harbin, China July 21 – 23, 2010 引言 今天你（被）推荐了 吗？ 推荐服务 学术推荐服务 范围 生活中的方方面面 学术研究领域 目的 帮助实现某种需求（如，找工、上学等） 促进学术交流 引言 传统的学术推荐服务 主要以引文的方式出现，受作者知识面和引用习惯的限 制，带有一定的局限性 读者既无法参与更无法发表意见 学术交流模式的变化呼唤新的推荐服务 作者与读者的界限趋于模糊 读者有机会发表意见（显性）并且读者的意见受到更多 的重视 读者的选择和喜好（隐性）有条件通过数据挖掘技术得 到揭示和表达 检索不再是获取学术资源的唯一途径 背景介绍 bX －“Collective wisdom (集众智之所成) ” 2009年5月由Ex Libris公司推出 基于图书馆电子资源使用率数据的学术推荐 基于数据挖掘的增值服务 协作(Collaboration): 非单个或若干个图书馆有能力做到 （也没有必要每个图书馆都去做） At the point of need 又一朵美丽的云：SaaS (Software-as-a-Service) 不需要硬件维护 Subscriber | Subscriber + Contributor 背景介绍 bX与其他系统的整合 嵌入到SFX的菜单界面中 嵌入到Primo 的检索结果中 嵌入到Google Scholar的检索结果中(Beta) 不是SFX/Primo用户？通过bX API嵌入到其他OpenURL 链接解析器或图书馆系统中 bX 的双重角色 资源发现与获取工具：bX 数据服务：bX Data 背景介绍 全球271个用户（截止 2010年5月），约占SFX 用户总数的15% (2010-07 ：280个用户) 目前为测试版 背景介绍 研发背景： 美国Los Alamos 国家实验室2006年的一份科学研究报告： SFX的原班开发人马+ 合作开发伙伴 工作原理 建立在OpenURL 的框架上 从众多的SFX服务器上采集日志文件 形成巨大的数据集合 对该数据集合进行数据挖掘 具有显著的统计学特征（bX 的魅力／魔力所在） 采样数据量越大，结果越趋于准确 与SFX的集成 作为SFX的一个target: bX menu Service: getRecommendation 进一步了解 相关性：用户反馈总体是肯定的，有待进一步分析 有效性：能获得bX推荐的文章大约占40% ~ 50% (数据 来源: 加州大学) 动态特征：所推荐的文章及篇数有可能随时间变化 进一步了解 资源匹配 提供越多OpenURL参数，结果越准确 可以用(Journal title or ISSN) + article title 查找 (article title 检索字段必须给定) 尽可能用DOI, PMID 或Article Number 以确保结果的唯 一性 实施概况 Trial (installed in SFX test instance): Summer 200