一、图书馆自动化问答（论文文献综述）
郭顺利[1]（2018）在《社会化问答社区用户生成答案知识聚合及服务研究》文中研究表明随着大数据和移动互联网时代到来,传统基于关键词检索的搜索引擎搜寻和获取知识的方式已不能很好地满足人们需求。互联网快速发展带来的信息膨胀化、碎片化、冗余化等问题加速了用户对于垂直化、精准化信息的追求,用户越来越倾向于付出较少的时间和精力成本获取更加专业、权威的信息与知识,迫切需要一种新型的搜寻和获取知识方式。正是在这种大环境背景下社会化问答社区应运而生。社会化问答社区将社交和问答结合起来,引入社交网络来生产、传播和共享知识,满足用户精准化、垂直化以及个性化知识需求,帮助用户高效获取和利用知识,促进知识的流动和交互,迅速发展成为网络用户获取知识的重要渠道。然而,随着社会化问答社区知识资源呈现急剧式增长,出现了“知识过载,用户知识迷航”的现象。用户在搜寻、筛选和利用知识等方面付出了大量的时间和精力成本,使得现有的社会化问答社区知识服务内容和方式难以有效满足用户知识需求。同时也出现了答案质量参差不齐、大量有用知识无人问津,难以被发现和使用等问题。因此,如何实现用户生成答案有效的管理组织和挖掘,优化和创新知识服务模式,为用户提供更好的知识服务成为社会化问答社区发展面临重要问题。鉴于此,本文将知识聚合理论和方法引入到社会化问答社区知识服务,从面向用户知识需求视角出发,分析了社会化问答社区知识流动和用户知识需求,提出了基于知识聚合的社会化问答社区知识服务体系,探讨了用户生成答案质量评价问题,分别从知识单元、知识单元关联关系、句子3个关联维度设计用户生成答案知识聚合方法及相应的知识服务模式,最终提出促进社会化问答社区用户生成答案知识聚合及服务能力的策略。本文主要工作及结论如下:第一,探究了社会化问答社区的知识流动和用户知识需求。首先,分析了社会化问答社区知识流动特征、方式和过程。然后,分析了社会化问答社区用户知识需求的形成原因、层级和特征,借鉴科亨和泰勒的需求层次理论分为客观状态知识需求、意识层次知识需求、表达出来的知识需求、折衷知识需求、个性化知识需求5个层级,认为其具有多样和综合化、随机性和情景化、集成性和精准化、动态连续性等特点。最后,分析了用户知识需求动态演化的原因和方向,运用集合论思想分析了互动交流和浏览推荐2种情境下用户动态演化过程。第二,构建了基于知识聚合的社会化问答社区知识服务体系框架。首先,分析当前社会化问答社区现状及发展趋势,概述了用户生成答案知识聚合的目标和原则,将知识聚合理论引入到社会化问答社区知识服务。然后,分析了基于知识聚合的社会化问答社区知识服务要素、动力和过程,以及相应的知识服务模式。最后,构建了基于知识聚合的社会化问答社区知识服务体系框架,分为资源层、处理层、聚合层、服务层和服务接口层5层结构,其中知识聚合层是最为关键层,并分析了各个层的功能和作用。第三,提出了社会化问答社区用户生成答案质量评价方法。首先,通过文献综述和实证分析方法构建了包含答案文本特征、回答者特征、时效性、用户特征、社会情感5个维度16个指标的答案质量评价指标体系。然后,将用户生成答案质量评价问题认为是典型的机器学习分类问题,提出了基于GA-BP神经网络的评价方法。最后,采集知乎网站数据验证了方法的有效性和可行性。第四,基于标签聚类的社会化问答社区用户生成答案知识聚合及导航服务研究。为协助用户高效的从答案中查找和获取知识,提高知识搜寻和获取的效率,为用户提供知识导航和知识发现服务。首先,采用短语匹配模式提取答案中的关键短语,运用Text Rank算法抽取排名靠前的答案文本中关键短语生成标签。然后,认为答案标签能够代表答案的关键知识内容和思想,运用DPCA算法进行答案标签聚类分析,实现用户生成答案知识聚合。最后,构建了基于答案标签聚类的社会化问答社区知识导航服务模式,采集携程网问答数据进行应用研究。第五,基于改进关联规则的社会化问答社区用户生成答案知识聚合及推荐服务研究。为解决社会化问答社区用户生成答案知识过载,挖掘内含知识单元之间的关联,实现用户生成答案的关联知识聚合,为用户提供个性化的知识推荐服务。通过优化和改进了Apriori算法,设计了基于改进Apriori算法的用户生成答案关联知识聚合方法。构建了基于答案关联知识聚合的社会化问答社区知识推荐服务模式,采集知乎网站数据进行应用研究,验证了答案关联知识聚合及服务的有效性和可行性。第六,基于答案摘要生成的社会化问答社区用户生成答案知识聚合及融合服务。为了满足移动互联网环境下用户对于社会化问答社区答案知识总结需求,减少答案查阅和搜寻成本,提高答案知识获取的效率和用户体验。首先,提出了融合word2vec和多特征的句子相似度计算方法,实现短文本句子相似度计算。然后,针对概念类问题提出了基于改进Text Rank和MMR算法的答案摘要生成方法;针对意见咨询类问题提出了基于主题聚类的答案摘要生成方法;针对观点评价类问题提出了融合句子情感极性的答案摘要生成方法。最后,构建了基于答案摘要生成的社会化问答社区知识融合服务模式,选取知乎网站数据进行应用分析。本文从理论层面,将知识聚合理论和理念引入到社会化问答社区知识服务领域,为社会化问答社区知识服务的服务理念、服务模式、方法、价值目标等基础理论赋予了新的内涵特征,丰富了社会化问答社区知识管理与服务的理论体系,扩展了知识聚合理论的应用领域和范围。同时,也为用户生成答案知识聚合提供了更多的方法和技术支持,丰富了知识聚合的方法理论体系和社会化问答社区的知识挖掘和组织方法理论体系。在实践层面,为社会化问答社区优化和创新知识服务模式,基于知识聚合开展知识服务提供参考依据,为用户生成答案知识整合组织和管理提供了技术和方法支持,能够有效的应用于指导用户生成答案知识整合组织和管理工作,提高社会化问答社区知识服务的能力和质量,具有较强的解决社会化问答社区知识服务实际问题的应用价值。
陶兴[2]（2020）在《多源学术新媒体用户生成内容的知识聚合研究》文中研究说明随着信息经济迅猛发展,学术新媒体作为新型的网络学术知识平台逐渐受到科研工作者的关注,为知识信息获取、知识交流、知识传播等带来了改变。学术新媒体以学术微博、学术微信公众号、学术虚拟社区、学术APP等主要形式存在,具有平台类型多样、平台内容丰富、平台知识专业化等特点。为科研工作者提供了获取学术信息、分享学术成果、开展学术交流等活动的新途径。学术新媒体不再以文章、期刊论文等长文本形式作为知识推送的内容,学术用户作为学术新媒体环境中知识接受者与生产者两种身份并存,新媒体环境鼓励学术用户通过提问、回答与分享来自主产生新知识,创新了学术知识获取方式。随着新媒体环境的扩张,互联网中的用户生成内容呈现出了爆炸式增长,用户在搜寻知识过程中需要消耗大量的时间和精力去浏览与筛选知识内容。知识内容出现“知识过载”,用户陷入“知识迷航”,而学术新媒体中的用户生成知识内容也存在内容质量参差不齐,知识点碎片化分散,内容冗余等问题。同时不同学术新媒体平台间缺乏信息交流,单一平台内的知识无法及时完善与更新,导致用户须花费大量时间去浏览多平台内的知识,增加了获取知识的难度。如何对学术新媒体内用户生成内容进行知识的挖掘、组织和管理,创新学术新媒体的知识服务模式,为学术用户提供高质量知识服务内容,已成为学术新媒体发展面临的新问题。鉴于此,本文将知识聚合理论与方法引入到学术新媒体用户生成内容的知识聚合研究中,构建基于知识聚合的多源学术新媒体用户生成内容聚合机理,探讨了用户生成内容质量评测问题,提出了主题聚合与摘要生成两种用户生成内容知识聚合方法,设计了知识聚合精准推荐方案,并提出多源学术新媒体用户生成内容的知识聚合能力提升策略。本文主要开展了以下方面的研究:第一,构建多源学术新媒体用户生成内容的知识聚合机理。界定了学术新媒体用户生成内容的知识聚合内涵,即对新媒体平台用户生成内容中蕴含的知识进行有效组织,进而挖掘其内在知识的关联关系,为学术新媒体用户提供多源平台的知识聚合服务。划分了多源学术新媒体用户生成内容知识聚合类型,分别为:同型异源知识聚合、异型异源知识聚合、多语种知识聚合。将多源学术新媒体用户生成内容的知识聚合要素分为知识聚合主体、知识聚合客体、知识聚合内容、知识聚合环境、知识聚合技术等五个方面。从学术信息资源需求、学术创新环境、知识聚合主体收益、科技进步、多源学术资源等方面探讨了多源学术新媒体用户生成内容知识聚合的驱动力。从原理特点、作用方式等方面详细阐述了其影响知识聚合的原因。解读了多源学术新媒体知识聚合过程,分别为挖掘与解读用户需求,学术信息的数据处理,学术信息质量评测,知识发现与聚合,学术知识推荐。最后提出了多源学术新媒体用户生成内容的知识聚合机理模型,并从各要素间的关系与交互行为入手,绘制其实践应用中的具体过程图。第二,提出了学术新媒体用户生成内容的自动化质量评测方法。文本通过数据维度、情感极性、领域词汇等三方面考虑,建立学术用户生成内容自动化特征提取过程。再利用双层BI-GRU神经网络学习学术用户生成内容的特征属性。引入专业学术领域词典,优化词嵌入模型所生成的学术用户生成文本向量化表达。最终实现学术新媒体用户生成内容的质量评测,筛选出高质量的文本内容,为后续的多源学术新媒体用户生成内容知识聚合方法研究提供优质的数据基础。第三,基于主题生成的多源学术新媒体用户生成内容的知识聚合研究。提出基于混合神经网络BiLSTM-CNN-CRF和LDA主体概率模型的学术新媒体用户生成内容的知识主体聚合方法。利用混合神经网络分词法,对学术新媒体用户生成内容进行学习分词,然后将获取到的学术专业分词表输入到LDA主体概率模型中,生成多源学术新媒体平台的知识主题。从多个平台的生成主题中,证实了不同学术新媒体平台同类知识内容中存在较大的知识主题差异,在此基础上对知识主题进行融合,帮助学术新媒体用户能够从大规模用户生成知识内容中获取核心知识点,为学术新媒体用户提供了知识导航服务。第四,提出了多源学术新媒体用户生成内容的知识摘要生成方法。为实现多个学术新媒体平台中用户生成内容的知识概括性描述问题,提出基于Word2Vec模型和MMR算法的摘要生成方法。利用Word2Vec方法可以有效解决传统词向量表达方法忽略词语间语义联系的问题;利用MMR排序方法,对重要性程度高的摘要进行排序筛选,剔除重复度高的摘要句,同时保留重要性高的摘要句;利用专业领域词典,解决专业领域词无法识别的问题。通过对多个学术新媒体平台的用户生成内容进行聚合,帮助知识欠缺的平台弥补自身知识内容不足的问题,实现了学术新媒体环境整体知识内容的极大融合,为学术新媒体用户提供一个效率获取冗余用户生成内容中关键性知识的聚合服务。第五,提出了多源学术新媒体用户生成内容的知识聚合精准推荐方法。通过用户兴趣度值挖掘推荐项目和用户间的相似关系,将其作为用户对项目的推荐评分。通过传递相似度,实现多源学术新媒体平台间用户的相似度计算,进而建立起多源学术新媒体用户网络。最后通过项目推荐评分与用户传递性网络,构建学术新媒体用户生成内容的知识聚合精准推荐方法,为学术用户提供多源平台的学术知识与学术用户的双重精准推荐服务。
李洁[3]（2019）在《数据驱动下数字图书馆知识发现服务创新模式与策略研究》文中研究说明我们已经从信息时代走进了数据驱动的“智能时代”,数据成为人们认识和解决问题的新的逻辑起点。“数据驱动”打破了基于知识解决问题的思维桎梏,形成了从问题到数据又回归问题的新方法论认识——基于数据解决问题。这一研究范式将数字图书馆知识发现服务从对问题本源的探索推向知识服务的本真,可以说,从数据直面用户、管理和服务为大数据环境下的数字图书馆知识发现服务供给侧的改革提供了一种新思路:知识发现服务要改变的不只是管理技术、管理规则或服务形式,而要涉及整个管理理念和服务体系。而大数据环境中,数字图书馆信息发生源越来越多,数据产出量越来越大,数字资源增长速率越来越快,数据异构性越来越明显,数据老化节奏越来越快,低价值密度隐患的知识饥渴和数据海啸的矛盾越来越突出,用户对发现服务的需求越来越多元,数字图书馆数据资源正面临着重新被发现的挑战。迎面变化和挑战,数字图书馆的知识发现服务不单要完成从文献数字化到内容数据化的知识组织转型,更应实现数字资源从内容数据化到数据智能化的价值开发和智慧洞见。数据驱动的科研范式开辟了知识发现的新路径,开启了数字图书馆知识服务的时代新转型。探索数据驱动理念下的数字图书馆知识发现服务模式的新形态,需要学习、内化数据科学相关理论,需要剖析知识发现的驱动要素和作用机制,需要打破传统的资源发现固化模式,创建知识发现服务的创新生态功能圈。融合数据驱动和知识发现的双重技术优势,数字图书馆知识发现服务创新模式应趋从数据化、数据向知识转化的语义关联、可视化和智能化驱动维度寻求用户数据、内容资源数据、专家数据、业务数据的新协同,开发用户画像、研究设计指纹、精准文献推荐等的新应用,强化数据的集群整合、提升平台的绿色联通、实现用户界面的友好交互,使数字图书馆成为支持用户知识探索与发现创造的智能服务系统,使数据资源最大化的进行价值开发与知识转化,使用户随时随地都能受益于数字图书馆高效、便捷、友好与智能的知识发现服务体验。基于此,本文通过对数据驱动、知识发现研究成果的追本溯源,界定数据驱动下的数字图书馆知识发现服务的核心理念;通过文献分析、调查访谈、仿真实验、模型训练等方法的综合运用,分析数字图书馆知识发现服务创新的数据环境、驱动机制、创新模式、模式应用以及创新策略制定。围绕主要研究内容,本文第三章从数据环境特征、数据环境变化和数据环境开发分析数据驱动下的数字图书馆知识发现服务的机遇与挑战;第四章结合数据要素、数据驱动过程、数据驱动维度探讨数字图书馆知识发现服务的数据驱动动力机制、流机制、协同驱动机制和数据驱动控制机制;第五章通过对数字图书馆知识发现服务模式创新衍变的内在使命分析,指出数字图书馆知识发现服务创新模式的构建依据、构建基础和构建过程;第六章对数字图书馆知识发现服务创新模式进行具体的用户画像、研究设计指纹、文本推荐和多粒度检索决策应用;第七章针对数字图书馆知识发现服务创新模式的具体瓶颈给出各驱动维度的应对策略。具体内容阐述如下:第3章数据驱动下数字图书馆知识发现服务的数据环境分析本章是对大数据驱动环境下的数字图书馆知识发现服务场域的情境解构。首先,基于大数据的4V特征,面向全数据,分析数字图书馆知识发现服务在数据形态、存在方式、存储模式、存储内容、数据价值等方面的特性。其次,探讨数据化、新一代信息技术、数据分析思维、数据密集型科学发现范式影响下的数字图书馆知识发现服务革新的优劣利弊。最后,基于环境特性和环境变化的双向作用状态定位数字图书馆知识发现服务发展的开发方向。明确本文研究目的的同时,引出4、5、6、7章节的主要研究任务。第4章数字图书馆知识发现服务创新的数据驱动机制分析本章作为第5章的铺垫,详细解析数字图书馆知识发现服务平台的数据要素和驱动作用形式。通过用户数据、资源内容数据、专家数据的分类界定,为第6章科研用户画像、研究设计指纹、精准文献推荐等的服务模式应用提供数据基础;通过数据化、语义关联、可视化、智能化的数据驱动维面的层级解构,为第7章的创新策略制定奠定优化主线;基于数据要素、驱动过程和驱动维面,从内外力作用的动力机制、输入-输出的流机制、数据融合的协同驱动机制以及数据驱动控制机制具体呈现数据驱动与知识发现服务交互融合的催化反应。第5章数据驱动下数字图书馆知识发现服务创新模式研究在前文研究的基础上,本章首先对数据驱动下数字图书馆知识发现服务创新模式的构建进行内在逻辑分析;其次,从资源发现既有模式、知识产品和技术支持方面阐述实现数字图书馆知识发现服务创新的外在基础;最后,综合内在逻辑和外在基础,进行创新模式的基础框架和平台架构的初步解构,并在此基础上进行数据驱动下的数字图书馆知识发现服务创新功能圈构建。第6章数据驱动下数字图书馆知识发现服务创新模式应用研究本章在第5章提出的创新模式的基础上,分别利用科研用户数据进行数字图书馆百度发现的科研用户画像构建,利用文献数据进行以研究对象、研究问题与研究方法为核心要素的研究设计指纹构造,结合用户画像和研究设计指纹实现精准文献推荐,并通过用户检索实验验证多粒度检索决策的优势。第7章数据驱动下数字图书馆知识发现服务创新策略研究基于第4章对数据驱动维度和驱动机制的分析,本章旨在明确数据化、语义化、关联化、可视化和智能化驱动的创新方向并进行相应的优化路径设计,针对数字图书馆知识发现服务创新的制约因素,给出切实可行的解决方案与对策建议。大数据环境下,重新界定数据驱动下的数字图书馆知识发现服务的内涵、探讨数字图书馆知识发现服务的数据驱动机制、创新数字图书馆既有的资源发现服务模式,有利于从方法论认识层面为数字图书馆知识发现服务的供给侧改革提供理论支持。数字图书馆知识发现服务的意义不仅在于它的统一检索及其延伸功能,更在于此基础上辅助科学发现的循证决策、智能管理和知识再造的服务价值。在人类不断探索未知与努力认识未知的道路上,数据驱动+知识发现的催化反应为科学发现的方法探索提供了一个可行参考,推动着数字图书馆知识发现服务在不断革新的历程中惠及更多的求知受众。
姜雯,许鑫[4]（2014）在《在线问答社区信息质量评价研究综述》文中研究表明【目的】对在线问答社区信息质量评价相关研究进行梳理和综述。【文献范围】利用Web of Knowledge、中国知网（CNKI）以及追溯法检索到的问答社区信息质量评价相关中英文文献。【方法】文献调研法,并按研究主题进行综述。【结果】目前在线问答社区信息质量评价研究主要集中在影响评价因素研究、人工评价、自动化评价三个方面,其中自动化评价以机器学习方法应用为主。【局限】不同解决方案比较时缺少具体的定量测评。【结论】目前的研究还存在缺乏权威评价标准以及缺少领域聚焦等不足,问答社区的信息质量问题还有很多尚未解决,更全面深入的分析评价以及自动化评价将是未来研究热点和重点。
何瑶[5]（2018）在《基于智能机器人的智慧图书馆服务研究》文中指出随着人工智能时代的到来,今年3月总理政府报告的第一条建议就提出,2018年要发展壮大新动能。做大做强新兴产业集群,实施大数据发展行动,加强新一代人工智能研发应用,在医疗、养老、教育、文化、体育等多领域推进互联网+,发展智能产业,拓展智能生活。进入人工智能时代后,图书馆将肩负起这一使命,图书馆的职能也应该与时俱进,图书馆智能机器人馆员建设则是实现图书馆新时代服务的有效途径,凸显出图书馆传播科学文化知识的使命,用最前沿的技术和产品服务为读者提供优质的文化服务。图书馆是文献信息的存储中心,每天面临大量的图书借阅流通、分类、整理、存储以及搬运等大量重复性工作,这些工作极大地耗费了馆员的精力和时间。为了提高馆员的服务效率以及满足用户多样化需求,图书馆正在积极智能化转型,这对图书馆技术设备和运行模式提出了更高的要求,如何将智能机器人应用于图书馆日常的管理和服务,如何在保证工作水平的同时减轻馆员的劳动量,提高馆员工作效率,是当下各个图书馆正在对智能机器人研究解决的重点,也是智慧图书馆建设顺应时代变化需要解决的问题。本研究主要阐述了智慧图书馆的发展、图书馆基础理论与机器人相关技术,探讨了智能机器人在智慧图书馆服务的应用现状、功能的利用情况以及服务模式,针对相关问题,设计出基于智能机器人的智慧图书馆服务模式,主要从多模态图书管理、咨询问答系统、语料库建设和人机合作四个方面进行架构设计,并以南京大学为例,探讨南京大学智慧图书馆服务,对智能机器人在南京大学智慧图书馆建设中的服务功能和效果进行测试分析。本文共有六个章节:第一章为绪论。主要阐述本文研究的背景、意义,还包含本文的主要研究内容和思路、研究方法、相关概念以及智慧图书馆国内外研究综述。第二章是图书馆基础理论研究和智能机器人相关的技术,这些内容是下文的理论和技术铺垫。第三章主要是机器人在智慧图书馆建设的应用及服务现状分析,包括机器人在智慧图书馆的服务现状分析、应用及服务需求的调查研究。第四章是笔者设计的基于智能机器人的智慧图书馆服务实现模式,包括整体架构和各方面支撑体系。第五章是人工智能在智慧图书馆的应用案例探究,以南京大学智慧图书馆建设为例,对智能机器人在南京大学智慧图书馆建设中的服务功能和效果进行测试分析。第六部分是总结研究结论和研究不足,以及对智能机器人在智慧图书馆服务未来发展进行展望。
王益成[6]（2020）在《数据驱动下科技情报智慧服务模式研究》文中指出从“信息时代”到“数据驱动”的智慧服务时代,多源异构且海量的数据资源成为人们解决问题的出发点。将多源异构且海量的数据资源纳入科技情报智慧服务模式中,不再局限于传统科技情报服务涉及的专利数据、科技文献数据、实地调研数据与科技项目数据等,还应该涵盖更广范围的互联网数据资源、科研社交媒体数据资源、社交网络数据资源与政府开放数据资源等多种来源的数据形式。数据资源驱动着科技情报服务从用户需求感知、科技情报内容获取与科技情报服务场景化推送这三个核心功能实现科技情报智慧服务模式,实现了科技情报服务流程的创新。本研究旨在以新视角探索数据驱动时代科技情报智慧服务模式及其实现,解析科技情报智慧服务构成要素及其特征,以实证分析探索数据驱动时代科技情报服务向智慧服务模式转型的思路,为科技情报机构科学转型提供理论与实践支撑。基于此,通过界定“数据驱动”、“情报、智能与智慧的辩证关系”、“智慧服务”与“科技情报智慧服务”等相关概念,以回顾智慧服务、科技情报服务与科技情报智慧服务研究现状为基础,综合运用文献调研法、问卷调查法、情境实验法、案例分析法与模式构建法分析了科技情报智慧服务的数据环境、驱动模式、创新模式与模式实现以及保障策略的制定。围绕科技情报智慧服务模式这一核心研究内容,本文第三章从科技情报智慧服务模式构成要素及表现特征为出发点对智慧数据、用户需求、智能技术、智慧情报、情报工作者、智慧服务平台与情报分析方法这七个维度进行详细阐述,分析了各构成要素在科技情报智慧服务模式中的地位以及数据驱动各构成要素的融合协作的服务特征;第四章以“数据驱动”视角切入科技情报智慧服务模式构建研究,更多的体现智慧数据服务作为智慧服务的核心构成要素,实现数据驱动科技情报智慧服务,获取用户需求,利用智能技术分析获取情报,实现场景化服务推送与嵌入式的科技情报服务;第五章就如何实现数据驱动科技情报智慧服务进行了详细阐述,从多源数据分析切入科技情报智慧服务模式的实现研究过程,体现了数据驱动作为科技情报服务的新范式与新思想,着重从需求感知、内容获取与服务推送等三个科技情报服务流程构成解析科技情报智慧服务模式实现路径,综合运用用户画像方法、数据挖掘方法与场景分析和需求侦测方法对科技情报智慧服务模式进行解析,并融入科研大数据在此过程中结构、类型与属性分析结果进行解析,探究这些数据在需求感知、内容获取与服务推送中的应用关系,进而实现科技情报智慧服务模式并完善科技情报智慧服务研究体系;第六章采用单案例横向研究方法研究格微软件数据驱动背景下科技情报智慧服务模式的系统优化策略;第七章就如何实现科技情报机构实现智慧服务模式转型升级分析了相关保障策略。具体内容如下:（1）系统分析了科技情报智慧服务模式核心构成要素与特征。构成要素涵盖数据、用户、技术、智慧情报、科技情报工作者、智慧服务平台与方法等七个维度,将从这七个维度进行深入分析,并在此基础上讨论数据驱动下科技情报智慧服务实现的理论与实践基础,进而对科技情报智慧服务的需求敏感性、数据多源性、技术智能性与服务场景化等四个主要特征进行解读。系统分析科技情报智慧服务构成要素是构建科技情报智慧服务模式的基础,在文献调研并借鉴其它领域实践经验的基础上对各个构成要素进行详细分析。数据、用户、技术、内容、科技情报工作者、智慧服务平台与方法等七个维度间相互关联、相互印证,进一步丰富着科技情报智慧服务研究领域的知识体系。（2）构建了数据驱动下的科技情报智慧服务模式。从“数据驱动”视角切入科技情报智慧服务模式构建研究,更多的体现智慧数据服务作为智慧服务的核心构成要素,实现数据驱动科技情报智慧服务,获取用户需求,利用智能技术分析获取情报,实现场景化服务推送与嵌入式的科技情报服务。在此过程中优化传统科技情报服务模式,优化构成科技情报智慧服务的各个构成要素,实现模式最优化并体现科技情报智慧服务的四个特征,通过文献调研法探讨已有服务模式的优劣势,重构科技情报服务模式与流程,重点突出智慧实现流程,数据如何驱动智慧情报服务。（3）分析了数据驱动下科技情报智慧服务的实现路径。以科技情报智慧服务模式实现的三项核心功能为基础,在实现智慧服务核心功能基础上实现科技情报智慧服务,从多源科研大数据分析切入科技情报智慧服务模式的实现研究过程,体现了数据驱动作为科技情报服务的新范式与新思想,着重从需求感知、内容获取与服务推送等三个科技情报服务流程构成解析科技情报智慧服务模式实现路径,综合运用用户画像方法、数据挖掘方法与场景分析和需求侦测方法对科技情报智慧服务模式进行解析,并融入科研大数据在此过程中结构、类型与属性分析结果进行解析,探究这些数据在需求感知、内容获取与服务推送中的应用关系,进而实现科技情报智慧服务模式并完善科技情报智慧服务研究体系。（4）采用单案例横向研究方法研究格微软件数据驱动背景下科技情报智慧服务模式的系统优化策略,在分析格微软件基本概况与发展现状的基础上,进而分析格微软件科技情报智慧服务发展模式,并对其较为超前的实践应用成果进行分析,然后借鉴前述构建的科技情报智慧服务模式及其实现研究,提出格微软件在数据驱动背景下科技情报服务模式优化的策略。（5）制定数据驱动下科技情报智慧服务模式保障策略。以构成数据驱动下科技情报智慧服务模式的构成要素以及智慧服务模式实现过程为主体制定数据驱动下科技情报智慧服务模式保障策略,具体维度包含数据、用户、科技情报工作者、科技情报服务机构、政府部门、技术与方法等维度。如完善数据安全保障机制,完备数据分析技术、方法与工具,科技情报服务人才队伍建设,建立健全相关法律法规等。制定数据驱动下的科技情报智慧服务模式保障策略应依据重点保障关键要素、完备并疏通科技情报智慧服务流程、科技情报智慧服务整体平衡、联合共建共享等四项基本原则。数据驱动时代,传统科技情报服务模式已然无法满足用户崛起的趋势以及内外环境面临的机遇与挑战,界定数据驱动科技情报智慧服务的内涵与外延,探索科技情报智慧服务模式的实现,有利于从方法论认知层面为科技情报智慧服务的转型升级提供理论支撑,本文构建的数据驱动科技情报智慧服务模式也更具实践价值。
柳益君,李仁璞,罗烨,黄纯国,曹凤雪[7]（2018）在《人工智能+图书馆知识服务的实现路径和创新模式》文中进行了进一步梳理人工智能技术给图书馆知识服务能力提升带来机遇。人工智能+图书馆知识服务具有主体多元化、方式智能化、覆盖泛在化、内容智慧化的特征。以智能感知和数据收集为起点,知识抽取和知识发现为基础,基于知识图谱的知识组织和知识融合为核心,知识推理和深度学习为关键,知识应用和知识服务为目标,构建人工智能+图书馆知识服务实现路径。人工智能+图书馆的知识服务创新模式体系以用户为中心,提供关联性知识检索、场景化知识推荐、自动化知识问答等智能化和智慧化的知识服务。
初景利[8]（2003）在《图书馆数字参考咨询的理论与实践研究》文中研究说明数字参考咨询（DRS）是国外图书馆90年代中后期迅速兴起的一种新的服务方式，是传统参考咨询在网络环境下的继承、延伸和发展。它利用网络提供的技术优势，为用户提供方便、及时、高效的咨询服务。在今天“网络为王”的社会环境下，用户对文献的需求和利用图书馆的方式发生了很大的变化，也迫切要求图书馆提供网上咨询，解决在利用文献信息过程中出现的各种问题。数字参考咨询是网络环境下图书馆深化服务和服务创新的需要。 本文从理论和实践两个方面论述了图书馆开展数字参考咨询服务中涉及的若干主要问题。理论部分总结了从传统参考咨询到数字参考咨询的演进、国内外数字参考咨询的研究、国内外数字参考咨询的实践发展；实践部分探讨分析了数字参考咨询服务模式、数字参考咨询质量控制与评价、数字参考咨询工作框架的建立与运行。 论文在对参考咨询概念、起源、演变进行简要介绍的基础上，对数字参考咨询的含义、构成、一般过程、各类角色、数字参考咨询服务的意义进行了阐释，并从异同、关系、用户和参考馆员态度等几个方面，对数字参考咨询与传统参考咨询进行了比较。研究综述部分对国内外的研究文献、研究内容和研究支撑等进行了梳理和总结。在实践发展方面，介绍了具有典型意义的商业咨询网站、非商业咨询网站和图书馆提供的咨询服务，并对4个典型咨询网站进行了案例试验分析。 关于数字参考咨询模式，论文从基于电子邮件的参考咨询、基于实时交互的参考咨询、基于网络化协作的参考咨询、基于多种模式共存的参考咨询和自动化解决方案等5个方面进行了考察和研究。 质量控制是数字参考咨询成功的关键。论文从技术标准、行为规范、问题限定、咨询专家、参考源的使用、答案的质量、答复方式、答复时限等方面进行了阐述。 最后，论文从建立和运行数字参考咨询工作框架的需要出发，从管理保障、技术保障、人员保障、法律保障的角度，提出需要关注和解决的4个方面的22个问题。 论文以作者对331名科研用户需求和行为取向的问卷调查为基点，通过对国内21个大型图书馆和国外9个图书馆的问卷调查比较分析，探讨了我国图书馆在开展数字参考咨询存在的问题和解决办法，提出了建立和运行数字参考咨询的工作框架。 本文共包括图43幅、表19幅、附录6个。
李雪婷,李莘[9]（2016）在《图书馆微信平台自动问答机器人语言体系研究》文中进行了进一步梳理图书馆的微信自动问答机器人可以为读者提供24小时信息咨询服务,提高图书馆的受关注度。本文针对自动问答技术中语言问题进行研究和分析,编写一套针对图书馆问答机器人的语言体系,设计了哈尔滨工业大学图书馆自动问答机器人来实现全时段虚拟咨询,加强读者与图书馆之间的互动交流。
许一明[10]（2020）在《社会化问答社区用户生成内容声誉特征研究》文中研究指明由于大量的用户生成内容（user-generated content,UGC）所带来的信息超载,现在社区内的内容流行度往往是由用户通过投票机制来决定的,尤其是在社会化问答社区中,如美国的Quora.com和中国的知乎。这些问答网站通过根据投票数量对答案进行排序,实现了有效的信息过滤。这些投票反映了群体对质量的评价,影响着读者的注意力分配。对社会化问答社区用户UGC声誉特征进行研究研究,是深入分析社会化问答社区UGC声誉特征形成机理、提前识别高声誉UGC信息的基础,有助于增强社区和政府在舆情演化中的主动地位,改善网络信息生态环境治理水平。本文的主要研究目标在于解决以下几个问题:（1）社会化问答社区中UGC声誉特征的来源、内涵、形成机理、影响作用以及分析方法;（2）社会化问答社区中UGC声誉特征的影响因素,及这些影响因素与声誉特征之间的关系;（3）利用社会化问答社区UGC可观测的相关变量来对其声誉特征进行预测;（4）发掘不同话题不同声誉区间UGC,尤其是异常声誉UGC的相关特征;（5）基于社会化问答社区中UGC声誉特征的相关研究,提出有针对性的管理策略与实践建议。围绕上述问题,本研究以社会化问答社区中UGC的声誉特征为研究对象,通过理论分析、实证研究与数据挖掘的方法,从UGC声誉特征的形成机理入手,构建了UGC声誉特征研究模型和UGC声誉特征预测模型,发掘不同话题不同声誉区间UGC的相关特点,分别分析了基于信息质量和信源可信度对社会化问答社区UGC声誉特征,以及出现异常声誉特征的UGC,然后提出了相应的管理策略。本文的主要研究工作有以下五个方面:第一,对社会化问答社区UGC声誉的进行理论研究。首先介绍了社会化问答社区UGC声誉特征的来源与内涵,及分析、分类方法。然后使用扎根理论方法,结合信息接受模型,探索性地研究了社会化问答社区UGC声誉形成的影响因素。最后结合了SOR理论,对社会化问答社区UGC声誉特征的形成机理进行研究。接着引出了UGC声誉特征的影响作用,从UGC声誉特征对活跃用户、“潜水者”、社会化问答社区、互联网环境的影响,构建社会化问答社区UGC声誉特征形成机理模型和社会化问答社区UGC声誉特征影响作用模型。第二,基于信息接受模型构建社会化问答社区UGC声誉特征影响因素模型,提出社会化问答社区UGC文本特征、非文本特征和信源可信度作为UGC声誉特征的影响因素,并受到信息涉入度的调节作用的研究思想,进而以知乎社区中健康、时尚、娱乐三个话题共190990条回答数据为例进行实证研究,研究结果表明:（1）对于所有话题来说,文本质量越好的回答声誉越高,文本特征、非文本特征均与信源可信度均对声誉特征的大小存在正向影响,但是这种影响对于娱乐话题下的回答来说非常小;（2）对在大数情况下（包括总体情况和健康、时尚话题情况）,信源可信度越高的回答声誉特征越不容易为零,但是娱乐话题是个例外;（3）话题涉入度各因素对于声誉特征的影响中不存在调节作用;（4）在社会化问答社区UGC声誉特征中,存在着“结构零”的现象,信源可信度在声誉特征的“结构零”部分与离散分布部分起到的影响存在一定的差异。第三,通过文献调研,从社会化问答社区回答信息的相关属性构建影响回答信息质量和信源可信度的指标属性。其中信息质量包括文本特征和非文本特征两个方面,文本特征包括回答长度、情感极性、关键词密度和问答长度比4个指标,非文本特征包括回答及时性、反馈及时性、回答评论数、回答者互动性、引用外部链接数量和图片数量6个指标。信源可信度的指标则包括回答者获赞数、回答者被收藏数、回答者最佳回答数量、回答者个人认证情况、回答者官方认证情况、回答者粉丝数、回答者关注数、回答者回答数量、回答者文章数量、回答者专业度共10个。然后提出了信息质量文本特征、非文本特征和信源可信度三个变量相关指标的获取和量化方法。构建了社会化问答社区UGC声誉预测模型。将信息质量文本特征、非文本特征和信源可信度三个变量对信息声誉特征的影响系数作为权重,通过信息质量和信源可信度对UGC声誉特征进行预测。该模型的预测包含两个方面:一是预测已有声誉回答可能获得的声誉特征;二是预测回答零声誉回答的零声誉状态是否会一直持续。第四,选取了知乎社区内的回答数据来进行实例验证,在验证了模型的预测效果后,本章又探究了不同声誉区间内UGC信息质量、信源可信度的分布,并对样本中的声誉特征异常的UGC进行了分析。（1）文本特征的主要影响维度是文本长度和问答长度比;对于非文本特征维度来说,反馈及时性的影响权重相对不高;回答者通过发布UGC所获得的奖励情况远比回答者发布的UGC数量更能影响回答者的可信度,回答者文章数也比回答者回答数的影响更大;（2）不同话题中词汇的属性存在着较大差别。健康话题中高声誉和极高声誉区间回答的高频特征词中情感词的比例和相对位置都更小,而时尚和娱乐话题中的主观词汇更接近中心;（3）在社会化问答社区中,UGC的信源可信度决定了该回答声誉特征的下限,却无法决定其上限。合理的表层语言特征与非文本特征是回答获得极高声誉的必要条件;（4）回答者的认证情况仅能够提升当前回答信息的声誉特征,但是无法提升话题内所有回答的整体声誉特征。第五,从用户、社会化问答社区管理和政府网络信息治理三个层面出发,提出相应的管理策略。在用户层面,在指引用户发布或与他人协作产生更高质量、更具影响力的UGC的同时,倡导用户的规范声誉赋予行为并提出了具体建议;在社会化问答社区管理层面,为社区鼓励优质UGC和优质用户的实践措施中提出了可行策略,同时又为社区中UGC的排序机制优化提供了参考;在政府信息治理层面,帮助政府“激浊扬清”,让优质的意见领袖和UGC更早、更广、更深地发挥他们在互联网信息治理中的作用,而让有可能具有一定影响力的谣言、垃圾信息等在其造成严重后果之前得到应有的处理。本文的研究工作从理论层面对用户生成内容研究的理论体系做出了丰富与完善,对用户生成内容信息特征的理论框架进行了拓展与深化,为社会化问答社区用户生成内容排名优化提供科学方法和理论依据;在实践层面,通过分析与研究社会化问答社区UGC声誉特征的相关规律,为筛选和识别高声誉用户生成内容提供了系统的实践方法,有助于加强社会化问答社区用户贡献知识的涌现,也有利于推动社会化问答社区的良性发展。
二、图书馆自动化问答（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、图书馆自动化问答（论文提纲范文）
（1）社会化问答社区用户生成答案知识聚合及服务研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 国内外研究现状 |
| 1.3.1 社会化问答社区用户生成内容的国内外研究现状 |
| 1.3.2 社会化媒体知识聚合及服务的国内外研究现状 |
| 1.3.3 研究现状述评 |
| 1.4 拟解决的关键问题与主要研究内容 |
| 1.4.1 拟解决的关键问题 |
| 1.4.2 主要研究内容 |
| 1.5 研究方法与技术路线 |
| 1.6 本文主要创新点 |
| 第2章 相关概念及理论基础 |
| 2.1 社会化问答社区概述 |
| 2.1.1 社会化问答社区的兴起 |
| 2.1.2 社会化问答社区的概念界定 |
| 2.1.3 社会化问答社区的特征 |
| 2.2 知识聚合的理论及方法 |
| 2.2.1 知识聚合的概念 |
| 2.2.2 知识聚合方法 |
| 2.3 知识服务理论 |
| 2.3.1 知识服务的概念及特点 |
| 2.3.2 知识服务的流程 |
| 2.3.3 知识服务模式 |
| 2.3.4 社会化问答社区知识服务现状及发展趋势 |
| 2.4 信息质量相关理论 |
| 2.4.1 信息质量的概念及维度 |
| 2.4.2 信息质量评价 |
| 2.5 本章小结 |
| 第3章 社会化问答社区的知识流动及用户知识需求分析 |
| 3.1 社会化问答社区用户及用户生成答案概念界定 |
| 3.1.1 社会化问答社区用户类型 |
| 3.1.2 用户生成答案的概念及特征 |
| 3.2 社会化问答社区的知识流动 |
| 3.2.1 社会化问答社区的知识 |
| 3.2.2 社会化问答社区知识流动内涵及特征 |
| 3.2.3 社会化问答社区知识流动方式 |
| 3.2.4 社会化问答社区知识流动过程 |
| 3.3 社会化问答社区用户知识需求层次及特征 |
| 3.3.1 社会化问答社区用户知识需求形成 |
| 3.3.2 社会化问答社区用户知识需求层次 |
| 3.3.3 社会化问答社区用户知识需求特征 |
| 3.4 社会化问答社区用户知识需求的动态演化 |
| 3.4.1 动态演化的成因及方向 |
| 3.4.2 用户知识需求动态演化的过程模型 |
| 3.5 本章小结 |
| 第4章 社会化问答社区用户生成答案知识聚合及其服务体系构建 |
| 4.1 用户生成答案知识聚合的概念界定 |
| 4.2 社会化问答社区用户生成答案知识聚合的目标及原则 |
| 4.2.1 用户生成答案知识聚合的目标 |
| 4.2.2 用户生成答案知识聚合的原则 |
| 4.3 基于知识聚合的社会化问答社区知识服务体系框架构建 |
| 4.3.1 基于知识聚合的社会化问答社区知识服务要素分析 |
| 4.3.2 基于知识聚合的社会化问答社区知识服务过程 |
| 4.3.3 基于知识聚合的社会化问答社区知识服务体系架构 |
| 4.4 本章小结 |
| 第5章 面向用户需求的社会化问答社区用户生成答案质量评价 |
| 5.1 社会化问答社区用户生成答案质量评价目标和原则 |
| 5.2 用户生成答案质量评价指标体系构建 |
| 5.2.1 评价指标的初步选取 |
| 5.2.2 用户生成答案质量评价指标体系实证分析 |
| 5.2.3 评价指标的修正和确立 |
| 5.3 评价指标的获取方式和量化 |
| 5.3.1 文本特征维度指标获取方式和量化 |
| 5.3.2 回答者特征维度指标获取方式和量化 |
| 5.3.3 时效性维度指标获取方式和量化 |
| 5.3.4 用户维度指标获取方式和量化 |
| 5.3.5 社会情感维度指标获取方式和量化 |
| 5.4 基于GA-BP神经网络的用户生成答案质量评价方法 |
| 5.4.1 GA-BP神经网络方法介绍 |
| 5.4.2 用户生成答案质量评价的过程 |
| 5.5 应用研究——以“知乎”网站为例 |
| 5.5.1 数据采集和预处理 |
| 5.5.2 答案质量评价方法应用分析 |
| 5.5.3 结果讨论与分析 |
| 5.6 本章小结 |
| 第6章 基于标签聚类的社会化问答社区知识聚合及导航服务 |
| 6.1 答案标签自动化生成 |
| 6.1.1 答案标签自动化生成目的 |
| 6.1.2 答案标签自动化生成步骤 |
| 6.2 基于DPCA算法的用户生成答案知识聚合 |
| 6.3 基于答案标签聚类的社会化问答社区知识导航服务 |
| 6.3.1 社会化问答社区知识导航服务概念及作用 |
| 6.3.2 基于答案标签聚类的社会化问答社区知识导航服务模式 |
| 6.4 应用研究——以“携程问答”为例 |
| 6.4.1 答案标签自动化生成方法应用研究 |
| 6.4.2 基于DPCA算法的用户生成答案知识聚合应用研究 |
| 6.5 本章小结 |
| 第7章 基于改进关联规则的社会化问答社区知识聚合及推荐服务 |
| 7.1 用户生成答案关联知识聚合的概念及作用 |
| 7.1.1 用户生成答案关联知识聚合的概念 |
| 7.1.2 用户生成答案关联知识聚合的作用 |
| 7.2 基于改进Apriori算法的用户生成答案关联知识聚合方法 |
| 7.2.1 改进Apriori算法的思路和方法 |
| 7.2.2 用户生成答案关联知识聚合流程及算法描述 |
| 7.3 基于答案关联知识聚合的社会化问答社区知识推荐服务 |
| 7.3.1 社会化问答社区知识推荐服务的概念及作用 |
| 7.3.2 基于答案关联知识聚合的社会化问答社区知识推荐服务模式 |
| 7.4 应用研究—以“知乎”网站为例 |
| 7.4.1 数据采集和预处理 |
| 7.4.2 数据处理过程及结果展示 |
| 7.4.3 实验结果讨论与分析 |
| 7.5 本章小结 |
| 第8章 基于答案摘要生成的社会化问答社区知识聚合及融合服务 |
| 8.1 用户生成答案摘要生成的概念及作用 |
| 8.1.1 用户生成答案摘要生成的概念 |
| 8.1.2 用户生成答案摘要生成的作用 |
| 8.2 融合word2vec和多特征的句子相似度计算 |
| 8.3 用户生成答案摘要生成方法 |
| 8.3.1 概念类问题答案摘要生成方法 |
| 8.3.2 意见咨询类问题答案摘要生成方法 |
| 8.3.3 观点评价类问题答案摘要生成方法 |
| 8.4 基于答案摘要生成的社会化问答社区答案知识融合服务 |
| 8.4.1 社会化问答社区答案知识融合服务概念及作用 |
| 8.4.2 基于答案摘要生成的社会化问答社区答案知识融合服务模式 |
| 8.5 应用研究—以“知乎”网站为例 |
| 8.5.1 答案摘要质量评价方法 |
| 8.5.2 用户生成答案摘要生成方法应用分析 |
| 8.6 本章小结 |
| 第9章 提升社会化问答社区知识聚合及服务能力的策略 |
| 9.1 知识服务主体层面 |
| 9.1.1 树立面向用户需求的知识聚合服务理念 |
| 9.1.2 深入挖掘用户多层次知识服务需求 |
| 9.1.3 优化和创新知识服务模式 |
| 9.1.4 加强知识服务人才队伍建设 |
| 9.2 知识服务对象层面 |
| 9.2.1 提高用户知识服务需求的外化能力 |
| 9.2.2 积极参与知识服务效果评价和反馈 |
| 9.2.3 积极参与平台知识生产和质量监控 |
| 9.3 知识服务技术方面 |
| 9.3.1 优化和改进知识挖掘和聚合组织技术 |
| 9.3.2 搭建基于知识聚合的新型知识服务系统 |
| 9.3.3 加大知识可视化技术应用 |
| 9.4 知识服务环境方面 |
| 9.4.1 优化社会化问答社区内外部知识服务环境氛围 |
| 9.4.2 加大社会化问答社区的推广和宣传力度 |
| 9.5 本章小结 |
| 第10章 研究结论与展望 |
| 10.1 研究结论 |
| 10.2 研究局限与展望 |
| 参考文献 |
| 附录 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（2）多源学术新媒体用户生成内容的知识聚合研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.1.1 学术新媒体成为科研工作者学术交流的新途径 |
| 1.1.2 学术新媒体普遍存在低质量用户生成内容 |
| 1.1.3 用户需求促使学术新媒体知识聚合成为趋势 |
| 1.1.4 多源平台内容的知识聚合需求逐渐增长 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 学术新媒体国内外研究现状 |
| 1.3.2 新媒体用户生成内容国内外研究现状 |
| 1.3.3 新媒体知识聚合国内外研究现状 |
| 1.3.4 研究现状述评 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 本文创新点 |
| 第2章 相关概念及理论基础 |
| 2.1 学术新媒体内涵与特征 |
| 2.1.1 学术新媒体的内涵 |
| 2.1.2 学术新媒体的特征 |
| 2.2 用户生成内容概述 |
| 2.2.1 用户生成内容的内涵 |
| 2.2.2 用户生成内容的特征 |
| 2.2.3 用户生成内容的分类 |
| 2.3 知识聚合理论与方法 |
| 2.3.1 知识聚合的概念 |
| 2.3.2 知识聚合的方法 |
| 2.4 自然语言处理概述 |
| 2.4.1 自然语言处理概念 |
| 2.4.2 自然语言处理方法 |
| 2.5 本章小结 |
| 第3章 多源学术新媒体用户生成内容的知识聚合机理 |
| 3.1 多源学术新媒体用户生成内容知识聚合的内涵与类型 |
| 3.1.1 多源学术新媒体用户生成内容的知识聚合内涵 |
| 3.1.2 多源学术新媒体用户生成内容的知识聚合类型 |
| 3.2 多源学术新媒体用户生成内容知识聚合的要素 |
| 3.2.1 知识聚合主体 |
| 3.2.2 知识聚合客体 |
| 3.2.3 知识聚合的内容 |
| 3.2.4 知识聚合的环境 |
| 3.2.5 知识聚合的技术 |
| 3.3 多源学术新媒体用户生成内容的知识聚合动机 |
| 3.3.1 学术信息资源需求驱动 |
| 3.3.2 学术创新环境驱动 |
| 3.3.3 知识聚合主体收益驱动 |
| 3.3.4 科技进步驱动 |
| 3.3.5 多源学术平台资源驱动 |
| 3.4 多源学术新媒体用户生成内容的知识聚合过程 |
| 3.4.1 挖掘与解读用户需求 |
| 3.4.2 学术信息的数据处理 |
| 3.4.3 学术信息的质量评测 |
| 3.4.4 知识发现与聚合 |
| 3.4.5 学术知识推荐 |
| 3.5 多源学术新媒体用户生成内容的知识聚合机理模型 |
| 3.6 基于用户需求的多源学术新媒体用户生成内容知识聚合服务过程 |
| 3.7 本章小结 |
| 第4章 多源学术新媒体用户生成内容的质量评测 |
| 4.1 多源学术新媒体用户生成内容质量评测的目的 |
| 4.2 多源学术新媒体用户生成内容质量评测的过程与方法 |
| 4.2.1 多源学术新媒体用户生成内容质量评测的过程 |
| 4.2.2 多源学术新媒体用户生成内容质量评测方法 |
| 4.3 应用实例分析 |
| 4.3.1 数据集预处理与自动化特征提取 |
| 4.3.2 双层Bi-GRU模型训练 |
| 4.3.3 评价指标 |
| 4.3.4 结论与分析 |
| 4.4 本章小结 |
| 第5章 多源学术新媒体用户生成内容的知识主题生成 |
| 5.1 多源学术新媒体用户生成内容知识主题生成概念和目的 |
| 5.2 多源学术新媒体用户生成内容知识主题生成过程与方法 |
| 5.2.1 多源学术新媒体用户生成内容知识主题生成过程 |
| 5.2.2 多源学术新媒体用户生成内容知识主题生成方法 |
| 5.3 基于BiLSTM-CNN-CRF和 LDA的多源学术新媒体用户生成内容的知识主题生成模型 |
| 5.4 应用实例分析 |
| 5.4.1 结合BiLSTM-CNN-CRF和 LDA主题词生成 |
| 5.4.2 主题词过滤与融合 |
| 5.4.3 结论与分析 |
| 5.5 本章小结 |
| 第6章 多源学术新媒体用户生成内容的知识摘要生成 |
| 6.1 学术用户生成内容的摘要生成的概念及意义 |
| 6.2 多源学术新媒体用户生成内容摘要生成过程与方法 |
| 6.2.1 用户生成内容摘要生成过程 |
| 6.2.2 用户生成内容摘要生成方法 |
| 6.3 基于W2V-MMR的多源学术新媒体用户生成内容摘要生成方法 |
| 6.3.1 W2V-MMR算法的计算过程 |
| 6.3.2 多源学术新媒体用户生成内容摘要评价指标 |
| 6.4 应用实例分析 |
| 6.4.1 数据获取与预处理 |
| 6.4.2学术新媒体用户生成内容生成摘要实验 |
| 6.4.3 结论与分析 |
| 6.5 本章小结 |
| 第7章 多源学术新媒体用户生成内容的知识聚合精准推荐 |
| 7.1 多源学术新媒体用户生成内容知识聚合推荐的概念及目的 |
| 7.2 多源学术新媒体用户生成内容的知识聚合推荐过程与方法 |
| 7.2.1 多源学术新媒体用户生成内容的知识聚合推荐过程 |
| 7.2.2 多源学术新媒体用户生成内容的知识聚合推荐方法 |
| 7.3 基于用户兴趣度模型与传递相似度的多源学术新媒体用户生成内容的知识聚合精准推荐 |
| 7.3.1 基于用户兴趣度模型的精准推荐评分体系 |
| 7.3.2 基于用户相似性传递的用户共联网络 |
| 7.3.3 基于用户兴趣度模型与传递相似度的混合推荐 |
| 7.3.4 多源学术新媒体用户生成内容知识聚合的精准知识推荐服务 |
| 7.4 本章小结 |
| 第8章 提升多源学术新媒体知识聚合效果的策略 |
| 8.1 知识聚合主体层面 |
| 8.1.1 以用户为中心建立知识聚合理念 |
| 8.1.2 深入挖掘学术新媒体用户多层次的需求 |
| 8.1.3 完善学术新媒体平台内容质量监管和激励机制 |
| 8.1.4 合理规范学术新媒体内的主题与重点内容 |
| 8.1.5 学习与借鉴他源平台内容 |
| 8.2 知识聚合对象层面 |
| 8.2.1 促进学术用户积极互动 |
| 8.2.2 提升学术用户信息素养 |
| 8.2.3 提倡统一用词与语言凝练 |
| 8.2.4 提升多源平台交叉用户基数 |
| 8.3 知识聚合技术层面 |
| 8.3.1 改进大数据挖掘和人工智能技术 |
| 8.3.2 搭建学术新媒体的新型知识服务系统 |
| 8.3.3 建立多源学术新媒体的互联技术 |
| 8.3.4 应用学术知识可视化技术 |
| 8.4 知识聚合环境层面 |
| 8.4.1 营造良好的学术讨论氛围 |
| 8.4.2 加强学术新媒体平台之间的交流合作 |
| 8.4.3 加大学术新媒体平台的宣传力度 |
| 8.5 本章小结 |
| 第9章 研究结论与展望 |
| 9.1 研究结论 |
| 9.2 研究不足与展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（3）数据驱动下数字图书馆知识发现服务创新模式与策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据驱动研究现状 |
| 1.2.2 知识发现研究现状 |
| 1.2.3 研究现状评析 |
| 1.3 研究内容、方法与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究技术路线 |
| 1.4 创新点 |
| 第2章 相关概念与理论基础 |
| 2.1 相关概念 |
| 2.1.1 数据驱动 |
| 2.1.2 知识发现 |
| 2.1.3 Web级资源发现 |
| 2.1.4 数字图书馆知识发现服务 |
| 2.2 理论基础 |
| 2.2.1 数据密集型科学发现理论 |
| 2.2.2 数据驱动控制理论 |
| 2.2.3 数据挖掘与知识发现理论 |
| 2.3 本章小结 |
| 第3章 数据驱动下数字图书馆知识发现服务的数据环境分析 |
| 3.1 数字图书馆知识发现服务的数据环境特征 |
| 3.1.1 馆藏数据来源的广泛性及数据形态和存在方式的多样性 |
| 3.1.2 数据存储模式多样化及存储内容的非结构化和碎片化 |
| 3.1.3 数据资源价值的低密度和高变现潜能 |
| 3.2 数字图书馆知识发现服务的数据环境变化 |
| 3.2.1 从“数字化”到“数据化”的演化 |
| 3.2.2 新一代信息技术的涌现 |
| 3.2.3 数据分析思维模式的形成 |
| 3.2.4 数据密集型科学发现应用趋势 |
| 3.3 数字图书馆知识发现服务的数据环境开发与应用 |
| 3.3.1 数字图书馆知识发现服务在大数据环境中的新定位 |
| 3.3.2 开发数字图书馆知识发现服务数据驱动的新机制 |
| 3.3.3 创新数据驱动下数字图书馆知识发现服务的新模式 |
| 3.3.4 开发数据驱动下数字图书馆知识发现服务的新业态 |
| 3.4 本章小结 |
| 第4章 数字图书馆知识发现服务创新的数据驱动机制分析 |
| 4.1 数字图书馆知识发现服务创新数据驱动机制的数据要素 |
| 4.1.1 用户数据要素 |
| 4.1.2 内容资源要素 |
| 4.1.3 专家数据要素 |
| 4.2 数字图书馆知识发现服务创新的数据驱动过程与维度 |
| 4.2.1 数字图书馆知识发现服务创新的数据驱动过程 |
| 4.2.2 数字图书馆知识发现服务创新的数据驱动维度 |
| 4.3 数字图书馆知识发现服务创新的数据驱动动力机制 |
| 4.3.1 数字图书馆知识发现服务创新的数据驱动动力类型 |
| 4.3.2 数字图书馆知识发现服务创新的数据驱动动力关系分析 |
| 4.3.3 数字图书馆知识发现服务创新的数据驱动动力仿真模型 |
| 4.4 数字图书馆知识发现服务创新的流驱动机制 |
| 4.4.1 数字图书馆知识发现服务创新的流驱动特征 |
| 4.4.2 数字图书馆知识发现服务创新的流驱动过程 |
| 4.4.3 数字图书馆知识发现服务创新的流驱动机制模型 |
| 4.5 数字图书馆知识发现服务创新的数据协同驱动机制 |
| 4.5.1 数字图书馆知识发现服务创新的数据协同驱动内涵 |
| 4.5.2 数字图书馆知识发现服务创新的数据协同驱动目标 |
| 4.5.3 数字图书馆知识发现服务创新的数据协同驱动机制模型 |
| 4.6 数字图书馆知识发现服务创新的数据驱动控制机制 |
| 4.6.1 数字图书馆知识发现服务创新的数据驱动控制内涵 |
| 4.6.2 数字图书馆知识发现服务创新的数据驱动控制方法 |
| 4.6.3 数字图书馆知识发现服务创新的数据驱动控制模型 |
| 4.7 本章小结 |
| 第5章 数据驱动下数字图书馆知识发现服务创新模式研究 |
| 5.1 数字图书馆知识发现服务创新模式问题的提出 |
| 5.2 数字图书馆知识发现服务创新模式构建基础 |
| 5.2.1 数字图书馆知识发现服务创新的模式基础 |
| 5.2.2 数字图书馆知识发现服务创新的产品基础 |
| 5.2.3 数字图书馆知识发现服务创新的技术基础 |
| 5.3 数字图书馆知识发现服务创新功能圈构建 |
| 5.3.1 数字图书馆知识发现服务创新功能圈的框架设计 |
| 5.3.2 数字图书馆知识发现服务创新功能圈的架构分析 |
| 5.3.3 数字图书馆知识发现服务创新功能圈的建立 |
| 5.4 本章小结 |
| 第6章 数据驱动下数字图书馆知识发现服务创新模式应用研究 |
| 6.1 数字图书馆知识发现服务科研用户画像应用 |
| 6.1.1 用户画像数据收集 |
| 6.1.2 用户画像模型构建 |
| 6.1.3 用户画像实验分析 |
| 6.2 数字图书馆文献资源研究设计指纹识别应用 |
| 6.2.1 研究设计指纹识别基础 |
| 6.2.2 数据标注 |
| 6.2.3 研究设计指纹生成模型训练 |
| 6.2.4 结果与讨论 |
| 6.3 融合用户画像和研究设计指纹的文献推荐应用 |
| 6.3.1 文献推荐模型构建 |
| 6.3.2 文献推荐仿真实验 |
| 6.3.3 结果与讨论 |
| 6.4 数字图书馆知识发现服务多粒度检索决策应用 |
| 6.4.1 实验准备 |
| 6.4.2 实验描述 |
| 6.4.3 实验结果及讨论 |
| 6.5 本章小结 |
| 第7章 数据驱动下数字图书馆知识发现服务创新策略研究 |
| 7.1 数字图书馆知识发现服务创新的优化方向与路径 |
| 7.1.1 数字图书馆知识发现服务创新的优化方向 |
| 7.1.2 数字图书馆知识发现服务创新的优化路径 |
| 7.2 数字图书馆知识发现服务创新的数据化优化 |
| 7.2.1 数据化优化阻碍 |
| 7.2.2 数据化优化策略 |
| 7.3 数字图书馆知识发现服务创新的语义关联优化 |
| 7.3.1 语义关联优化阻碍 |
| 7.3.2 语义关联优化策略 |
| 7.4 数字图书馆知识发现服务创新的可视化优化 |
| 7.4.1 可视化优化阻碍 |
| 7.4.2 可视化优化策略 |
| 7.5 数字图书馆知识发现服务创新的智能化优化 |
| 7.5.1 智能化优化阻碍 |
| 7.5.2 智能化优化策略 |
| 7.6 本章小结 |
| 第8章 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 研究局限 |
| 8.3 研究展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（4）在线问答社区信息质量评价研究综述（论文提纲范文）
| 1 引 言 |
| 2 在线问答社区发展及信息质量评价相关研究 |
| 2.1 在线问答社区发展概况 |
| 2.2 在线问答社区的信息质量 |
| 2.3 在线问答社区信息质量评价的相关研究 |
| 3 在线问答社区信息质量评价的影响因素研究 |
| 4 基于指标体系的人工评价相关研究 |
| 5 基于机器学习的自动化评价 |
| 6 结 语 |
| (1) 缺乏权威、科学的评价标准 |
| (2) 数据样本选择过于单一, 缺乏领域和类别聚焦 |
| (3) 自动化评价尚有改进空间 |
| (4) 问答社区存在的信息质量问题尚未得到很好的解决 |
（5）基于智能机器人的智慧图书馆服务研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究主要内容和思路 |
| 1.4 研究方法 |
| 1.5 相关概念和国内外研究综述 |
| 1.5.1 人工智能 |
| 1.5.2 智慧图书馆 |
| 1.5.3 国外研究综述 |
| 1.5.4 国内研究综述 |
| 第2章 基础理论与相关技术 |
| 2.1 基础理论 |
| 2.1.1 刘国钧“五要素说” |
| 2.1.2 用户体验理论 |
| 2.1.3 巴特勒理论 |
| 2.1.4 矛盾管理理论 |
| 2.2 相关技术 |
| 2.2.1 定位识别技术 |
| 2.2.2 自主导航系统 |
| 2.2.3 语音识别技术 |
| 2.2.4 人机交互 |
| 第3章 机器人在智慧图书馆建设的应用及服务现状分析 |
| 3.1 机器人在智慧图书馆的服务现状分析 |
| 3.1.1 图书自动存取 |
| 3.1.2 图书搬运工作 |
| 3.1.3 图书自动盘点 |
| 3.1.4 参考咨询服务 |
| 3.2 机器人在智慧图书馆的应用和需求调查研究 |
| 3.2.1 用户基本情况分析 |
| 3.2.2 用户对智能机器人的认知和发现渠道 |
| 3.2.3 用户智能机器人使用的行为特征分析 |
| 3.2.4 智能机器人的应用需求分析及期望 |
| 第4章 基于智能机器人的智慧图书馆服务设计与实现 |
| 4.1 智慧图书馆服务模式整体架构设计 |
| 4.1.1 总体框架 |
| 4.1.2 支撑体系 |
| 4.2 多模态图书管理 |
| 4.2.1 图书模态相关问题 |
| 4.2.2 图书管理服务实现 |
| 4.3 咨询问答系统 |
| 4.3.1 问答系统服务流程 |
| 4.3.2 问答系统具体功能 |
| 4.4 语料库建设 |
| 4.4.1 语料库分类模型 |
| 4.4.2 语料问题建设 |
| 4.5 机器人和馆员合作 |
| 4.5.1 机器人馆员服务 |
| 4.5.2 协同合作服务模式 |
| 第5章 人工智能在智慧图书馆的应用案例探究 |
| 5.1 南京大学智慧图书馆服务 |
| 5.1.1 智慧图书管理 |
| 5.1.2 智慧书架管理 |
| 5.1.3 智慧图书盘点 |
| 5.1.4 智慧咨询问答 |
| 5.2 机器人在南京大学智慧图书馆建设中的服务评价 |
| 5.2.1 服务功能 |
| 5.2.2 服务效果 |
| 5.2.3 社会效益 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究不足 |
| 6.3 未来发展展望 |
| 参考文献 |
| 附录A 图书馆智能机器人应用及服务需求调查研究 |
| 附录B 攻读硕士学位期间主要研究成果 |
| 致谢 |
（6）数据驱动下科技情报智慧服务模式研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与创新点 |
| 1.2.1 研究内容 |
| 1.2.2 研究创新点 |
| 1.3 研究方法与技术路线 |
| 1.3.1 研究方法 |
| 1.3.2 研究技术路线 |
| 第2章 文献综述与理论基础 |
| 2.1 国内外研究现状 |
| 2.1.1 智慧服务研究现状 |
| 2.1.2 科技情报服务研究现状 |
| 2.1.3 科技情报智慧服务研究现状 |
| 2.1.4 研究现状述评 |
| 2.2 相关理论基础 |
| 2.2.1 相关概念界定 |
| 2.2.2 信息链理论 |
| 2.2.3 用户场景理论 |
| 2.2.4 需求层次理论 |
| 2.2.5 生命周期理论 |
| 第3章 科技情报智慧服务构成要素及特征 |
| 3.1 科技情报智慧服务构成要素 |
| 3.1.1 智慧数据 |
| 3.1.2 用户需求 |
| 3.1.3 智能技术 |
| 3.1.4 智慧情报 |
| 3.1.5 科技情报工作者 |
| 3.1.6 科技情报智慧服务平台 |
| 3.1.7 科技情报分析方法 |
| 3.2 科技情报智慧服务模式要素间关联关系 |
| 3.3 科技情报智慧服务特征 |
| 3.3.1 数据多源性 |
| 3.3.2 需求敏感性 |
| 3.3.3 技术智能性 |
| 3.3.4 服务场景化 |
| 3.4 本章小结 |
| 第4章 数据驱动下科技情报智慧服务模式构建 |
| 4.1 多源数据驱动 |
| 4.1.1 数据多源性 |
| 4.1.2 多源数据融合 |
| 4.2 智慧服务模式构建思路 |
| 4.3 智慧服务模式核心功能设计 |
| 4.3.1 用户需求智慧感知功能 |
| 4.3.2 情报服务智慧决策功能 |
| 4.3.3 用户服务智能推送功能 |
| 4.4 科技情报智慧服务模式 |
| 4.5 本章小结 |
| 第5章 数据驱动下科技情报智慧服务实现 |
| 5.1 多源科研数据调研 |
| 5.1.1 数据结构 |
| 5.1.2 数据类型 |
| 5.1.3 数据属性 |
| 5.2 基于用户动态画像的科技情报用户需求智慧感知 |
| 5.2.1 用户结构分析 |
| 5.2.2 用户分层画像 |
| 5.2.3 用户动态画像 |
| 5.2.4 用户需求模型构建 |
| 5.3 基于网络文本挖掘的公众政策感知智慧研究 |
| 5.3.1 运用网络文本挖掘分析公众政策感知 |
| 5.3.2 人工智能产业政策公众感知的特征 |
| 5.3.3 人工智能产业政策公众感知热点主题 |
| 5.4 基于向量空间模型的科技情报服务场景化推送 |
| 5.4.1 向量空间模型的应用 |
| 5.4.2 场景化服务 |
| 5.4.3 场景化服务接受效用 |
| 5.4.4 场景化服务推送模型 |
| 5.4.5 场景化服务推送实验 |
| 5.5 科技情报服务智慧反馈机制 |
| 5.6 本章小结 |
| 第6章 案例研究 |
| 6.1 格微软件科技情报智慧服务发展现状 |
| 6.1.1 基本概况 |
| 6.1.2 科技情报智慧服务发展现状 |
| 6.2 格微软件科技情报智慧服务发展模式 |
| 6.2.1 发展模式分析 |
| 6.2.2 实现路径 |
| 6.3 格微软件向科技情报智慧服务模式转变的优化 |
| 6.3.1 用户维度优化 |
| 6.3.2 情报维度优化 |
| 6.3.3 服务维度优化 |
| 6.4 本章小结 |
| 第7章 数据驱动下科技情报智慧服务保障策略 |
| 7.1 政策保障层面 |
| 7.1.1 建立健全法律法规保障体系 |
| 7.1.2 优化科技情报机构管理架构 |
| 7.2 资源保障层面 |
| 7.2.1 完善科研数据安全保障策略 |
| 7.2.2 推进科研数据开放保障策略 |
| 7.2.3 科技情报数据资源保障策略 |
| 7.3 技术保障层面 |
| 7.3.1 完善技术体系建设保障策略 |
| 7.3.2 完善科技情报服务反馈体系 |
| 7.3.3 创新大数据分析方法及工具 |
| 7.4 人才保障层面 |
| 7.4.1 完善人才队伍建设保障策略 |
| 7.4.2 完善科技情报人才教育体系 |
| 7.5 本章小结 |
| 第8章 研究总结与展望 |
| 8.1 研究总结 |
| 8.2 研究创新点 |
| 8.3 研究局限与展望 |
| 8.3.1 研究局限 |
| 8.3.2 研究展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（7）人工智能+图书馆知识服务的实现路径和创新模式（论文提纲范文）
| 0 引言 |
| 1 AI+图书馆知识服务的特征 |
| (1) 知识服务主体多元化 |
| (2) 知识服务方式智能化 |
| (3) 知识服务覆盖泛在化 |
| (4) 知识服务内容智慧化 |
| 2 AI+图书馆知识服务的实现路径 |
| 2.1 AI+图书馆知识服务实现路径构建 |
| 2.2 智能感知和数据收集 |
| 2.3 知识抽取和知识发现 |
| 2.4 知识组织和知识融合 |
| 2.5 知识推理和深度学习 |
| 2.6 知识应用和知识服务 |
| 3 AI+图书馆知识服务的创新模式 |
| 3.1 AI+图书馆知识服务创新模式体系构建 |
| 3.2 自助式知识导航 |
| 3.3 关联性知识检索 |
| 3.4 场景化知识推荐 |
| 3.5 个性化知识推送 |
| 3.6 组群式知识共享 |
| 3.7 深度嵌入式知识咨询 |
| 3.8 自动化知识问答 |
| 4 结束语 |
（8）图书馆数字参考咨询的理论与实践研究（论文提纲范文）
| 摘要 |
| 目录 |
| 图目录 |
| 表目录 |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究基础 |
| 1.3 研究目的与意义 |
| 1.4 研究内容与方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 2 从传统参考咨询到数字参考咨询 |
| 2.1 参考咨询服务的产生与发展 |
| 2.1.1 参考咨询服务的概念与起源 |
| 2.1.2 传统参考咨询服务的变革 |
| 2.2 数字参考咨询的概念与构成 |
| 2.2.1 数字参考咨询的概念 |
| 2.2.2 数字参考咨询产生背景 |
| 2.2.3 数字参考咨询服务的一般过程 |
| 2.2.4 与数字参考咨询有关的各类角色 |
| 2.3 数字参考咨询服务的意义 |
| 2.3.1 数字参考咨询是第二代数字图书馆不可缺少的组成部分 |
| 2.3.2 数字参考咨询延伸了参考咨询服务的空间 |
| 2.3.3 远程教育的发展对数字参考咨询的迫切要求 |
| 2.3.4 数字参考咨询适应了用户行为的变化 |
| 2.3.5 与商业咨询服务的竞争 |
| 2.4 数字参考咨询与传统参考咨询的比较 |
| 2.4.1 数字参考咨询与传统参考咨询的异同 |
| 2.4.2 数字参考咨询与传统参考咨询的关系 |
| 2.5 数字参考咨询的挑战与变革 |
| 2.5.1 对图书馆学理论的挑战与变革 |
| 2.5.2 对信息服务方式的挑战与变革 |
| 2.5.3 对图书情报工作业务模式的挑战与变革 |
| 2.5.4 对图书馆员和用户的挑战与变革 |
| 2.5.5 对信息技术的挑战与变革 |
| 3 国内外对数字参考咨询的研究现状 |
| 3.1 国外对数字参考咨询的研究现状 |
| 3.1.1 研究文献 |
| 3.1.2 研究内容 |
| 3.1.3 研究支撑 |
| 3.2 国内对数字参考咨询的研究现状 |
| 3.2.1 研究文献 |
| 3.2.2 重点论文 |
| 3.2.3 学术活动 |
| 4 国内外数字参考咨询实践发展 |
| 4.1 商业性数字参考咨询 |
| 4.1.1 WebHelp |
| 4.1.2 Google Answers |
| 4.2 非商业性数字参考咨询 |
| 4.2.1 The Internet Public Library“Ask a Question” |
| 4.2.2 VRD |
| 4.2.3 Wondir |
| 4.3 图书馆数字参考咨询服务 |
| 4.3.1 纽约公共图书馆(Ask a Librarian online) |
| 4.3.2 弗罗里达大学图书馆(E-mail／RefeXpress) |
| 4.3.3 Temple大学图书馆(Temple TalkNow) |
| 4.3.4 CLEVNET图书馆联合体(KnowItNow24x7) |
| 4.4 国内图书馆数字参考咨询实践发展 |
| 4.4.1 数据统计分析 |
| 4.4.2 典型图书馆案例 |
| 4.5 国内外数字参考咨询服务功能试验案例分析 |
| 实验1: AskJeeves |
| 实验2: AskERIC |
| 实验3: Answers now |
| 实验4: 网上联合知识导航站 |
| 5 数字参考咨询服务模式 |
| 5.1 基于电子邮件的参考咨询 |
| 5.1.1 电子邮件咨询的优势和不足 |
| 5.1.2 电子邮件咨询服务的形式 |
| 5.1.3 电子邮件咨询服务的若干策略 |
| 5.2 基于实时交互的参考咨询 |
| 5.2.1 实时参考咨询的优势和不足 |
| 5.2.2 实时咨询模式 |
| 5.2.3 实时问答咨询服务的若干策略 |
| 5.3 基于网络化协作的参考咨询 |
| 5.3.1 协作咨询的优势和不足 |
| 5.3.2 开展协作咨询的关键问题 |
| 5.4 基于多种模式的参考咨询服务 |
| 5.4.1 网络呼叫中心 |
| 5.4.2 复合型参考咨询模式 |
| 5.5 自动化解决方案 |
| 6 数字参考咨询质量控制与评价 |
| 6.1 数字参考咨询的质量控制 |
| 6.1.1 技术标准 |
| 6.1.2 行为规范 |
| 6.1.3 问题限定 |
| 6.1.4 咨询专家 |
| 6.1.5 参考源的使用 |
| 6.1.6 答案的质量 |
| 6.1.7 答复方式 |
| 6.1.8 答复时限 |
| 6.2 数字参考咨询服务评价 |
| 6.2.1 主观评价 |
| 6.2.2 客观评价 |
| 7 数字参考咨询工作框架的建立与运行 |
| 7.1 管理保障:建立数字参考咨询运行机制 |
| 7.1.1 提高认识 |
| 7.1.2 确定目标用户 |
| 7.1.3 用户认证 |
| 7.1.4 服务系统的选择 |
| 7.1.5 问题的分配 |
| 7.1.6 开放时间 |
| 7.1.7 成本问题 |
| 7.1.8 试验 |
| 7.1.9 宣传推广 |
| 7.1.10 外包模式 |
| 7.1.11 商业运行模式的启发 |
| 7.2 技术保障:选择或设计性能良好的软件产品 |
| 7.2.1 咨询页面的设计思想 |
| 7.2.2 对软件产品功能的要求 |
| 7.2.3 选择软件产品的依据 |
| 7.2.4 有影响的实时咨询软件 |
| 7.3 人员保障:建立数字参考咨询专家团队 |
| 7.3.1 人员来源 |
| 7.3.2 人员组织 |
| 7.3.3 人员要求 |
| 7.3.4 人员培训 |
| 7.4 法律保障:创造稳定而可持续的发展环境 |
| 7.4.1 隐私(Privacy) |
| 7.4.2 版权(Copyright) |
| 7.4.3 免责条款(Disclaimer) |
| 结语 |
| 参考文献 |
| 附录1: 术语表 |
| 附录2: 图书馆(数字)参考咨询问卷调查及统计 |
| 附录3: 网上参考咨询服务用户需求调查统计汇总表 |
| 附录4: 美国图书馆协会实施与维护虚拟参考咨询准则(草案) |
| 附录5: 咨询答复样例 |
| 附录6: 发表论文目录与参与的科研课题 |
| 致谢 |
（9）图书馆微信平台自动问答机器人语言体系研究（论文提纲范文）
| 1高校图书馆自动化网络服务现状分析 |
| 2哈工大图书馆自动问答机器人系统设计方案 |
| 2.1问题处理 |
| 2.2信息检索 |
| 2.3答案处理 |
| 3自动问答机器人关键技术 |
| 3.1语料收集和整理 |
| 3.1.1针对国内存在大量图书馆FAQ系统,在网络收集相关问题对1 000条。对问题进行人工校验,保留原问题的前提下根据哈工大信息补充完善答案。 |
| 3.1.2针对常用问题人工建立针对哈工大图书馆的专用问题集。 |
| 3.1.3利用“维基百科”和“百度知道”建立关于图书馆的通用问题集合。 |
| 3.2问题的分类 |
| 3.3基于复述的问题自动扩展 |
| 3.4问题的情感分析 |
| 3.5答案抽取的模版建立 |
| 4实验结果分析及研究结论 |
| 4.1问题分类实验 |
| 4.2答案抽取实验 |
| 4.3实验分析与结论 |
（10）社会化问答社区用户生成内容声誉特征研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 国内外研究现状 |
| 1.3.1 用户生成内容研究现状 |
| 1.3.2 网络UGC信息质量研究现状 |
| 1.3.3 社会化问答社区UGC声誉研究现状 |
| 1.4 研究内容与方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.5 研究技术路线 |
| 1.6 研究创新点 |
| 第2章 理论基础与技术方法 |
| 2.1 社会化问答社区 |
| 2.1.1 社会化问答社区的概念 |
| 2.1.2 社会化问答社区的特点 |
| 2.1.3 社会化问答社区的类型 |
| 2.2 社会化问答社区用户生成内容 |
| 2.2.1 用户生成内容的内涵 |
| 2.2.2 社会化问答社区用户生成内容的内涵 |
| 2.2.3 社会化问答社区用户生成内容的特征 |
| 2.3 声誉特征 |
| 2.4 自我涉入理论 |
| 2.5 信息接受模型 |
| 2.5.1 技术接受模型 |
| 2.5.2 精细加工可能性模型 |
| 2.5.3 信息接受模型 |
| 2.6 SOR理论 |
| 2.7 相关技术方法 |
| 2.7.1 扎根理论 |
| 2.7.2 情感分析 |
| 2.7.3 零膨胀负二项回归模型 |
| 2.7.4 熵权法 |
| 2.7.5 TOPSIS方法 |
| 2.8 本章小结 |
| 第3章 社会化问答社区UGC声誉理论研究 |
| 3.1 UGC声誉特征的来源与内涵 |
| 3.1.1 社会化问答社区的声誉系统 |
| 3.1.2 社会化问答社区用户UGC声誉赋予行为 |
| 3.1.3 社会化问答社区内UGC声誉特征 |
| 3.2 社会化问答社区中UGC声誉特征研究 |
| 3.2.1 帕累托法则与UGC声誉特征分析 |
| 3.2.2 社会化问答社区UGC声誉特征分析方法 |
| 3.2.3 社会化问答社区UGC声誉特征分类方法 |
| 3.3 社会化问答社区UGC声誉形成影响因素研究 |
| 3.3.1 基于扎根理论的社会化问答社区UGC声誉形成影响因素分析 |
| 3.3.2 数据收集 |
| 3.3.3 范畴提炼和影响因素提取 |
| 3.4 社会化问答社区UGC声誉特征形成机理研究 |
| 3.4.1 社会化问答社区UGC声誉形成的影响因素 |
| 3.4.2 社会化问答社区UGC声誉形成路径探求 |
| 3.4.3 社会化问答社区UGC声誉特征形成机理模型构建 |
| 3.5 社会化问答社区UGC声誉特征影响作用分析 |
| 3.5.1 社会化问答社区UGC声誉特征对活跃用户的影响 |
| 3.5.2 社会化问答社区UGC声誉特征对“潜水者”的影响 |
| 3.5.3 社会化问答社区UGC声誉特征对社会化问答社区的影响 |
| 3.5.4 社会化问答社区UGC声誉特征对互联网环境的影响 |
| 3.5.5 社会化问答社区UGC声誉特征影响作用模型构建 |
| 3.6 本章小结 |
| 第4章 社会化问答社区UGC声誉特征影响因素模型构建 |
| 4.1 社会化问答社区UGC声誉特征影响问题分析 |
| 4.2 社会化问答社区UGC声誉特征影响因素模型 |
| 4.2.1 理论基础 |
| 4.2.2 社会化问答社区UGC声誉特征影响指标分析 |
| 4.2.3 社会化问答社区UGC声誉特征影响因素模型构建 |
| 4.3 UGC声誉特征因素分析 |
| 4.3.1 样本选择与数据获取 |
| 4.3.2 相关变量说明及测定 |
| 4.3.3 数据描述性统计 |
| 4.3.4 数学建模方法 |
| 4.4 分析结果 |
| 4.4.1 数学模型构建 |
| 4.4.2 变量间相关性分析 |
| 4.4.3 回归分析结果 |
| 4.5 本章小结 |
| 第5章 社会化问答社区UGC声誉特征预测模型研究 |
| 5.1 社会化问答社区UGC声誉特征预测问题分析 |
| 5.2 社会化问答社区UGC声誉特征预测指标构建 |
| 5.2.1 研究框架 |
| 5.2.2 指标选取 |
| 5.2.3 评价指标的获取方式和量化 |
| 5.2.4 指标权重计算 |
| 5.2.5 排序算法 |
| 5.3 社会化问答社区UGC声誉特征预测模型构建 |
| 5.4 本章小结 |
| 第6章 社会化问答社区UGC声誉特征预测模型应用分析 |
| 6.1 社会化问答社区UGC声誉特征预测 |
| 6.1.1 数据采集与处理 |
| 6.1.2 描述性统计 |
| 6.1.3 特征变量的相关性分析 |
| 6.1.4 声誉特征预测变量权重与排序计算 |
| 6.1.5 声誉特征预测变量排序结果查看与分析 |
| 6.1.6 社会化问答社区UGC声誉特征预测 |
| 6.2 基于信息质量的社会化问答社区UGC声誉特征分析 |
| 6.2.1 声誉特征区间划分 |
| 6.2.2 基于信息质量的UGC声誉特征分析 |
| 6.3 基于信源可信度的社会化问答社区UGC声誉特征分析 |
| 6.4 异常声誉UGC特征分析 |
| 6.4.1 优质低声誉UGC特征分析 |
| 6.4.2 低质量高声誉UGC特征分析 |
| 6.4.3 信源可信度与声誉不匹配UGC特征分析 |
| 6.5 本章小结 |
| 第7章 基于社会化问答社区UGC声誉特征的应用策略研究 |
| 7.1 用户层面 |
| 7.1.1 挑选问题,及时作答 |
| 7.1.2 多种形式,引用权威 |
| 7.1.3 积极评论,欢迎探讨 |
| 7.1.4 拒绝从众,投票负责 |
| 7.2 社会化问答社区管理层面 |
| 7.2.1 优化社区中回答的排序机制 |
| 7.2.2 鼓励用户积极申请个人认证 |
| 7.2.3 注重优秀回答与用户的审核 |
| 7.2.4 鼓励新用户的知识贡献行为 |
| 7.3 政府网络信息治理层面 |
| 7.3.1 规范信息治理相关法律法规 |
| 7.3.2 关注意见领袖最新发布内容 |
| 7.3.3 提前发掘潜在高声誉UGC |
| 7.4 本章小结 |
| 第8章 结论与展望 |
| 8.1 研究结论 |
| 8.2 研究不足与展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
四、图书馆自动化问答（论文参考文献）
- [1]社会化问答社区用户生成答案知识聚合及服务研究[D]. 郭顺利. 吉林大学, 2018(12)
- [2]多源学术新媒体用户生成内容的知识聚合研究[D]. 陶兴. 吉林大学, 2020(08)
- [3]数据驱动下数字图书馆知识发现服务创新模式与策略研究[D]. 李洁. 吉林大学, 2019(02)
- [4]在线问答社区信息质量评价研究综述[J]. 姜雯,许鑫. 现代图书情报技术, 2014(06)
- [5]基于智能机器人的智慧图书馆服务研究[D]. 何瑶. 南京大学, 2018(01)
- [6]数据驱动下科技情报智慧服务模式研究[D]. 王益成. 吉林大学, 2020(08)
- [7]人工智能+图书馆知识服务的实现路径和创新模式[J]. 柳益君,李仁璞,罗烨,黄纯国,曹凤雪. 图书馆学研究, 2018(10)
- [8]图书馆数字参考咨询的理论与实践研究[D]. 初景利. 中国科学院研究生院（文献情报中心）, 2003(03)
- [9]图书馆微信平台自动问答机器人语言体系研究[J]. 李雪婷,李莘. 现代情报, 2016(10)
- [10]社会化问答社区用户生成内容声誉特征研究[D]. 许一明. 吉林大学, 2020(08)