网络信息资源个性化服务和成功案例.pptVIP

Page ? * 1.3.1 个性化信息咨询服务范例（联合参考咨询网） Page ? * 1.3.1 个性化信息咨询服务范例（联合参考咨询网） Page ? * 1.3.1 个性化信息咨询服务范例（联合参考咨询网） Page ? * 1.3.2 个性化信息咨询服务范例（网上联合知识导航站） Page ? * 1.3.3 个性化信息咨询服务范例（Ask a Librarian） Page ? * 1.4 学科服务 学科馆员是指图书馆设专人与某一个院系或学科专业作为对口单位建立联系，在院系、学科专业与图书馆之间架起一座桥梁，相互沟通，为用户主动地有针对性地收集、提供文献信息服务。 学科导航站是利用数据库系统结合超文本技术，对因特网上与某一学科相关的国内外科研状况、电子出版物、学术机构组织、学者个人站点、网络数据库、专利标准、科技成果以及专业搜索引擎等信息资源节点加以集中、分类、整理，按照方便用户利用的原则，以主题树的形式揭示资源的分布情况，同时提供关键词检索途径。 Page ? * 1.4 学科服务范例（清华大学图书馆） Page ? * 1.4 学科服务范例（清华大学图书馆） Page ? * 2 经典案例（中国科学院国家科学图书馆） Page ? * 2 经典案例（中国科学院国家科学图书馆） 中国科学院国家图书馆个性化信息服务项目 Page ? * 2.1 问图书馆员 Page ? * 2.1 问图书馆员 Page ? * 2.2 论文收引检索及评价 国科图为用户在申报院士、国家自然科学基金、职称评定等方面提供机构或个人的论文收录引用检索服务。除查询SCI、EI、ISTP三大检索数据库外，还可查询 INSPEC（SA）、CA、MEDLINE、BP（BA）、MATHSCI、GEOREF等国际著名检索数据库。根据检索结果，为用户提供客观、 准确、权威的论文收录引用检索证明。 Page ? * 2.3 定题、专题信息服务 Page ? * 2.4 科技查新 Page ? * 2.5 我的图书馆 Page ? * 2.6 网络信息资源导航 Page ? * 2.6 网络信息资源导航 Page ? * 2.6 网络信息资源导航 Page ? * 2.6 网络信息资源导航 Page ? * 2.6 网络信息资源导航 Page ? * 2.7 学科馆员服务 Page ? * 2.8 科技新闻聚合服务 谢 谢 大 家！ 3.2资源文件的表达 基于分类的方法是利用类别来表示资源,对文档资源进行分类有利于将文档推荐给对该类文档感兴趣的用户.文本分类方法有多种,比如:朴素贝叶斯(Na?e-Bayes),k最近邻方法(KNN)和支持向量机(SVM)等。 资源的类别可以预先定义,也可以利用聚类技术自动产生。许多研究表明:聚类的精度非常依赖于文档的数量,而且由自动聚类产生的类型可能对用户来说是毫无意义的,因此可以先使用手工选定的类型来分类文档,在没有对应的候选类型或需要进一步划分某类型时,才使用聚类产生的类型。 3.3 个性化推荐 规则可以由用户定制,也可以利用基于关联规则的挖掘技术来发现,利用规则来推荐信息依赖于规则的质量和数量,基于规则的技术其缺点是随着规则的数量增多,系统将变得越来越难以管理.一个规则本质上是一个If-Then语句。 为了利用规则来推荐资源,用户描述文件和资源描述文件需用相同的关键词集合来进行描述. 基于内容过滤的技术是通过比较资源与用户描述文件来推荐资源，它的关键问题是相似度计算,对于矢量空间模型来说,通常采用的方法是余弦度量。如果用户的描述文件没有正确描述用户的兴趣和行为,那么该方法推荐的数据可能和用户真正的兴趣根本不相关。 优点：是简单、有效 缺点：难以区分资源内容的品质和风格,而且不能为用户发现新的感兴趣的资源,只能发现和用户已有兴趣相似的资源。 3.3 个性化推荐 3.3 个性化推荐 3.4 个性化服务体系结构 优点是可以避免用户描述文件的传输,除了支持基于内容的过滤,还可以支持协作过滤 缺点是用户描述文件不能在不同的Web应用之间共享 Syskill,Letizia, GroupLens 优点是用户描述文件可以在不同的应用之间共享 缺点是只能进行基于内容的过滤 优点是不仅可以支持基于内容的过滤和协作过滤,还支持用户描述文件在不同Web应用之间的共享 缺点是可能需要传输用户描述文件. 3.4 个性化服务体系结构 案例一 个性化服务系统 ILOG 案例二 个性化服务系统 Personal WebWatcher 案例三 个性化服务系统 GroupLens 案例四  第一，信息量大，需要对海量信息进行