基于情景化用户偏好的学术信息服务

随着社会进入大数据时代，信息超载问题越来越严重，用户迫切需要符合自己学术研究的学术信息和高质量的学术信息服务。《BR》　　为了提高学术信息服务质量，本书提出基于情景化用户偏好的学术信息服务研究。描述用户偏好的内容越准确，推荐给用户的学术信息就越能与其需求一致。用户偏好不是一成不变的，而是随着用户科研任务、科研方向等的变化而变化，如果学术信息推荐服务不能及时、准确地识别用户偏好的变化，就不能准确计算出求解模式，推荐给用户的学术信息就会出现错误，所以学术信息推荐服务必须考虑学术用户研究课题、研究方向和兴趣等方面的变化，必须将用户偏好“情景化”，连续跟踪、识别用户偏好的变化，将情景化用户偏好建模，应用于学术信息推荐服务中，才能更好地满足用户的学术信息需求。