第六篇 数字图书馆服务.ppt

6.4 智能化推送服务 6.4.1 推技术概述 推送服务理念： 以人为本的服务理念 主动服务理念 个性化服务理念 一站式服务理念 6.4 智能化推送服务 6.4.2 常用推送技术 本体模型 工作机理：①个性化用户兴趣本体的获取包括获得用户的个人信息、构建领域本体等；②用户模型的更新是根据用户浏览或检索信息的行为构建参考本体，并把它归并到个性化用户兴趣本体中，实现用户模型的学习更新；③用户群是每个个性化用户兴趣本体通过相似度计算得到的。 6.4 智能化推送服务 6.4.2 常用推送技术 智能代理 概念：智能代理技术，是分布式人工智能研究的一种软件单元，具有高度智能性和自主学习性，可以根据用户定义的准则，主动地通过智能化代理服务器为用户搜集最感兴趣的信息，然后利用代理通信协议把加工过的信息按时推送给用户，并能推测出用户的意图，自主制订、调整和执行工作计划。 特点：智能性、代理性、学习性、合作性、 反应性、社会性、 移动性、持续性、主动性 6.4 智能化推送服务 6.4.2 常用推送技术 智能代理 结构：客户端代理 服务器端 6.4 智能化推送服务 6.4.2 常用推送技术 智能代理 代理模型工作机理： 6.4 智能化推送服务 6.4.2 常用推送技术 协同过滤： 原理：利用用户的历史喜好信息计算用户之间的距离，然后利用目标用户的“最近邻居”对商品评价的加权评价值来预测目标用户对特定商品的喜好程度，系统根据此喜好程度来对目标用户进行推荐。 优点：协同过滤最大的优点是对推荐对象没有特殊的要求，能处理非结构化的复杂对象，它具有如下一些优点：①能够过滤机器难以自动进行的基于内容分析的信息。②共享其他人的经验，能够过滤一些复杂的、难以表达的概念。③有推荐新信息的能力。④能够有效地使用其他相似用户的反馈信息，加快个性化学习的速度。 缺点：①稀疏性；②冷开始；③扩展性； 6.5 数字图书馆服务支撑技术 6.5.1 网络技术 6.5.2 数据挖掘技术 6.5.3 数据仓库与联机分析处理 6.5.4 数据挖掘技术在数字图书馆服务中的应用 6.5.5 问题与挑战 6.5 数字图书馆服务支撑技术 6.5.1 网络技术 电子邮件(Email) WWW 文件传输(FTP) 远程登录(Remote Login) Usenet新闻组 即时通信 Web2.0技术 6.5 数字图书馆服务支撑技术 6.5.2 数据挖掘技术 定义：数据挖掘(Data Mining)是指从大量的数据中提取出可信、新颖、有效并能被人们所理解的、潜在的模式、规律或趋势的高级处理过程。 模式类型：①概念或类描述；②关联分析；③序列模式分析；④分类和预测分析；⑤聚类分析；⑥孤立点分析；⑦演变分析。 6.5 数字图书馆服务支撑技术 6.5.3 数据仓库与联机分析处理 数据仓库 基本特征：数据仓库是面向主题的、数据仓库的数据是集成的、数据仓库的数据是不可更新的、数据仓库的数据是随时间不断变化的 联机分析处理 联机分析处理基本多维分析操作有钻取(Roll up和Drill down)、切片(Slice)和切块(Dice)、旋转(Pivot)、Drill across、Drill through等。 6.5 数字图书馆服务支撑技术 6.5.4 数据挖掘技术在数字图书馆服务中的应用 图书馆管理服务 决策管理 业务管理 读者管理 资源建设研究 资源深加工 资源优化 用户服务研究 信息咨询服务 个性化服务 综合应用研究 主要体现在：数据挖掘在图书馆优化资源、智能化服务、提供个性化服务、信息自动化处理等方面的应用和产生的价值 6.5 数字图书馆服务支撑技术 6.5.5 问题与挑战 研究缺乏深度与广度 理论研究不足 应用研究缺乏针对性 结果有效性与确定性 驱动力不强 面临挑战 ①从异构数据源中挖掘信息； ②数据挖掘结果的有用性和确定性； ③数据挖掘结果的不同形式