从个性化需求谈高校图书馆特色化的个性信息导航服务

随着信息技术的迅速发展,人们对个性化服务的需求也越来越高,对于高校图书馆来说,人们当然希望其特色化的图书馆既具有信息科技的个性化信息导航服务而且还要有智能化查找资料、信息功能的服务。高校图书馆的个性信息导航服务的实施不仅满足了人们个性化的需求而且对图书馆本身服务水平来说也得到了提高。因此,高校图书馆的特色化的个性信息导航服务是图书馆发展的要点与趋势。对于图书馆信息导航服务的创新要具有针对性与特色性才能使得高校图书馆健康、良好的发展下去。本文将高校图书馆个性信息导航服务与市场经营营销理论结合对照分析,市场营销主要服务的对象是消费者,而高校特色化图书馆主要服务的对象是读者,通过市场营销策略来提高高校图书馆特色化的个性信息导航服务水平。     

基于多视角特征融合的移动信息服务模式挖掘

大量移动手机应用(Apps)存在重叠性功能特征,大量用户评论和多个标签,给市场机会发现、开发应用集成和应用选择带来困扰.本文提出基于文本挖掘和相似度网络融合的移动信息服务模式挖掘框架:基于功能描述文本、用户评论、分类标签分别构建个体相似度网络;将从不同信息视角得到的相似度网络进行非线性融合;用聚类验证融合网络有效性,将其用于发现不同移动信息服务模式.最后实验抓取2451个Apps,多视角特征融合方法克服数据水平差异和噪音,集成互补信息.融合结果用于聚类,在归一化互信息和准确率指标上都有显著提升,准确发现地图导航、火车汽车票、打车专车、公交查询等主流移动信息模式.研究成果为发掘市场机会和竞争者提供事实证据.     

基于Transformer的序列生成多标签文本分类

多标签文本分类任务存在难以从文本信息中提取标签关联的判别特征，建立标签相关性困难等问题。现有方法主要采用基于RNN的序列生成模型来建立标签高阶相关性，但缺乏对文本语义信息的充分利用。为此文章提出基于Transformer解码器的序列生成模型，使用标签嵌入作为查询，通过其多头自注意力机制建立标签之间的高阶相关性，并利用多头交叉注意力子层从文本信息中自适应地聚合标签相关的关键特征。文章的注意力权重可视化实验表明，序列生成Transformer在建立标签相关性的同时，能够更全面、更深层次地考虑文本和标签之间的语义相关性。与传统RNN类模型相比，序列生成Transformer在分类任务中兼具有效性和可解释性，并在AAPD和SLASHDOT两个数据集上取得了更优的结果。在AAPD数据集上分别取得了70.49%的Instance-F1值和52.04%的Label-F1值，比以往分类效果最好的set-RNN模型分别高1.44%和1.83%。