河南数字图书馆智慧导读

数据挖掘是依靠先进的信息技术从海量的数据信息中快速、准确地提取所蕴藏的信息，并将这些信息用于工作实践中。在数字图书馆中，数据挖掘具有特定的流程和层次，在数字图书馆信息参考查询中应用数据挖掘技术，具有很多优势。***，利用数据挖掘技术能够提高查询的效率，从而能够缩短等待的时间。第二，利用数据挖掘技术能够实时获取读者在互联网上的阅读行为和阅读偏好，可以依据这些信息分析出用户的具体需要。第三，在文献资源的检索过程中，应用数据挖掘技术能够有效提升文献检索的效率。相较于传统的图书馆而言，数字图书馆对文献量的需求更大，必须制订科学合理的采购计划，才能实现馆藏数字资源的均衡化。在数字图书馆中，对于一些用户较少的文献资料可以少量采购，而对于一些用户需求量大的文献资料可以大量采购。利用计算机挖掘技术，可以有效地分析出不同文献的利用效率，以便科学准确地预测出图书馆馆藏文献的变化趋势、采购趋势以及数量要求，从而为采购提供决策依据。语义关联矩阵的下方区域会补充添加搜索结果中不在当前关联矩阵中的其他的直接关联概念。河南数字图书馆智慧导读

语义网络作为人工智能的重要应用领域之一，可以给用户提供一个更加准确、更加智能的知识获取环境。而知识图谱是实现语义网络的技术基础，是通向语义网络环境的鲜明道路[1]。在智慧学习的大环境下，叠加近年来****的防控需求，在线阅读已越来越多地成为广大读者的优先阅读方式。如果能够有效获取读者的阅读行为并构建对应的知识图谱，对于图书馆而言，可以及时了解其在阅读过程中的实际需求，继而进行针对性的阅读指导并为读者推荐个性化的阅读内容；对于出版商而言，可以及时调整、改进电子出版物的内容编排及后续再版工作，以更好地适应目标读者群体的实际需求。因而，此项研究工作对于进一步提升读者的阅读学习效果，完善图书馆的智慧化阅读服务，推动促进全社会形成良好的智慧学习环境大有裨益。河南数字图书馆智慧导读网络化的发展使图书馆在文献服务形式上更加多元，包括音视频、图文等，可以满足各类读者的检索服务需求。

信息抽取是指从多源异构的数据源中提取出实体、属性以及实体之间的关系，在此基础上形成本体化的知识表达，它是知识图谱构建技术的关键［1］。早期信息抽取主要是基于预定规则的抽取技术，工作量庞大且*适用于特定的专业领域，后来人们开始尝试使用统计机器学习的方法，通过标注部分数据得到训练集，在此基础上再使用均方根误差算法（rootmeansquarederror,RMSE）或多项式回归算法（polyno⁃mialregression,PR）等有监督学习算法识别命名实体。

语义网络作为人工智能的重要应用领域之一，可以给用户提供一个更加准确、更加智能的知识获取环境。而知识图谱是实现语义网络的技术基础，是通向语义网络环境的鲜明道路［1］。在智慧学习的大环境下，叠加近年来****的防控需求，在线阅读已越来越多地成为广大读者的优先阅读方式。如果能够有效获取读者的阅读行为并构建对应的知识图谱，对于图书馆而言，可以及时了解其在阅读过程中的实际需求，继而进行针对性的阅读指导并为读者推荐个性化的阅读内容。网络技术的深度普及为智慧导读的建构奠定了技术基础。

本文在充分阅读已有研究的基础上，从用户感知的角度出发，结合移动阅读APP的实际情况，运用理性行为理论、信息系统成功模型、隐私计算理论、程序公平理论等，归纳出用户个人信息披露行为的影响因素，包括4个用户感知因素：感知信息交互公平、感知信息控制、感知风险、感知收益；5个移动阅读APP平台建设因素：隐私协议、信息反馈、系统质量、内容质量、个性化服务。从用户感知的角度构建移动阅读APP用户个人信息披露行为影响因素理论模型，并使用问卷调查、数据分析的方法对模型进行验证。在语义关联矩阵中，选择任意概念节点作为兴趣点(x)，可以找到与该兴趣点语义直接关联的概念节点(y)。广东智慧导读数据分析

结合大数据特征和属性，从统 计学角度界定大数据概念，重新审视大数据时代统计工 作思路。河南数字图书馆智慧导读

数字阅读行为呈现复合趋势：“读”不再是阅读过程的*****。相较传统阅读情境重点关注“读”的过程，在新媒介的促进下数字阅读过程前后的查询、选择和分享等辅助环节拥有了“多样化的活动方式、高价值的活动内容”[3]。这类环节的**价值因而被放大细化，数字阅读行为的趋势呈现复合化的特征。传播环境从单落点、单形态、单平台的形式向多落点、多形态、多平台[3]的转变，全媒体时代阅读形式不再受到限制，可以更加充分地利用现有技术条件挖掘阅读的价值。总体而言，以数字媒介为载体的阅读行为整体流程被拉长，各行为阶段间的相互作用更为复杂强烈，复合阅读体验给读者带来了对阅读全新的认知。河南数字图书馆智慧导读