导读:本文包含了情景感知论文开题报告文献综述及选题提纲参考文献，主要关键词:情景感知,移动图书馆,微服务体系
情景感知论文文献综述
李冰[1]（2019）在《基于情景感知融合的移动图书馆微服务体系构建》一文中研究指出情景感知技术为移动图书馆微服务体系的创新构建提供了技术支持。简述了移动图书馆的服务特征与服务渠道;分析了情景感知与移动图书馆微服务融合的泛在化、碎片化、个性化与交互性流程;从移动情景层、情景获取层与情景处理层3个层面构建了情景感知与移动图书馆微服务技术融合框架;最后提出优化移动图书馆微服务环境、构建"叁位一体"管理系统与提升馆员专业素养叁点具体的构建路径。(本文来源于《图书馆学刊》期刊2019年08期）
曾子明,孙守强[2]（2019）在《基于情景感知的智慧图书馆场景式服务研究》一文中研究指出场景式服务是图书馆适应新时代发展的需要,体现了图书馆对用户体验的重视,对服务环境和质量的提升。文章结合相关研究,阐述相关概念与内涵,并从用户、图书馆和知识叁个维度分析场景式服务需求。基于此,文章从情景数据采集、情景计算、情景建模、模型评估等分析情景感知模型的构建过程,搭建以用户为中心,由情景感知模块、资源整合模块、技术支撑模块、场景服务模块构成的智慧图书馆场景式服务体系框架,并探讨其中存在的问题与对策。(本文来源于《图书与情报》期刊2019年04期）
牛根义[3]（2019）在《基于情景感知的移动图书馆用户需求与服务》一文中研究指出随着移动互联网的发展,移动图书馆成为用户获取信息的重要渠道。情景感知技术及其在图书馆中的应用,促使基于情景感知的服务成为移动图书馆新的发展方向。文章探讨了移动图书馆用户需求的特点、规律及情境感知技术在满足移动图书馆用户需求中的作用,从情景化推荐服务、情景化位置服务、情景化访问识别服务、情景化移动增强现实服务4个方面论述了移动图书馆情景感知服务的内容。(本文来源于《江苏科技信息》期刊2019年17期）
李建军,侯跃,杨玉[4]（2019）在《基于情景感知的用户兴趣推荐模型》一文中研究指出随着电子商务和互联网的发展与普及,面向用户的个性化推荐越来越被重视,传统的用户兴趣模型只考虑到用户本身对项目的行为,忽略了用户当时所处情景。因此文中提出了基于情景感知的用户兴趣模型,将用户的浏览行为与情景因素相结合,从两个方面深度挖掘了用户对项目的兴趣,明确了用户对项目的关注度,从而准确地为用户进行聚类,并根据用户聚类的结果对目标用户进行推荐。实验结果表明,该推荐模型的准确率高于其他传统推荐算法的准确率,本模型能更好地挖掘用户兴趣,适应用户的兴趣变化,并且能够更好地解决用户面临的众多信息无从挑选的问题,提高了用户的满意度。因此,需要从多个角度挖掘用户隐藏的信息,能够更好地为用户提供个性化的推荐。(本文来源于《计算机科学》期刊2019年S1期）
侯力铁[5]（2019）在《基于情景感知的移动图书馆个性化推荐服务研究》一文中研究指出科技的发展和物联网的广泛应用正在影响和改变着人们的生活方式,尤其是信息技术的发展,促进了移动图书馆的变革。随着智能设备的广泛应用,用户在享受商业服务的同时,在信息需求方面也渴望智能化,使得移动图书馆的知识服务无处不在,这也是移动图书馆服务长期以来的理想状态。图书馆作为提供信息服务的机构,应将技术与资源有机地结合起来,为开创移动图书馆全新的服务方式创造契机。近年来,智能移动设备、智能可穿戴设备以及感知等技术取得快速突破,使得以智能手机为代表的移动设备能够对用户及其周围环境进行感知和数据收集。大数据时代,传统的图书馆信息服务已经无法满足移动图书馆用户的个性化信息需求,移动图书馆用户希望通过智能设备随时随地接收信息。与此同时,智慧型图书馆对情景感知技术的需求也愈发强烈。在此背景下,本文对情景感知在移动图书馆个性化推荐服务的应用进行研究,研究内容主要包括以下几点:(1)从移动图书馆用户信息需求的角度出发,分析了基于情景感知的移动图书馆用户信息需求的特征和类型。同时,从移动图书馆用户接受情景感知个性化推荐服务的视角出发,分析了影响移动图书馆用户接受个性化推荐服务行为的影响因素,为移动图书馆情景感知服务的理论与实践提供了指导。(2)根据移动图书馆的特点和情景的特点,对移动图书馆情景维度进行划分,并将移动图书馆各情景维度有机地结合,采用本体的方法构建移动图书馆情景模型,并推理高级情景。(3)分析了移动图书馆情景感知与个性化服务的关系,并寻找基于情景感知的图书馆个性化服务路径和动力。识别移动图书馆情景要素,以及配置模式,提出基于情景感知的移动图书馆个性化服务模型。(4)在资源情景相似度计算方法、位置情景相似度计算方法以及用户情景相似度计算方法的基础上,提出基于情景本体的个性化服务推荐方法。该方法可以有效解决目前推荐策略中缺乏有效的语义处理机制问题,能够深入分析和揭示“用户—情景”之间的关系,实现面向用户多粒度需求的资源精确推荐,解决了移动图书馆对于情景感知功能开发利用不足等问题。(5)以移动图书馆移动性和社交性为核心逻辑,采用定性和定量相结合的分析方法,将移动图书馆服务功能划分为与用户情景、移动情景、资源情景、服务情景四种情景感知维度有关的功能属性,在此基础上,系统分析了不同情景维度与移动图书馆个性化推荐服务评估之间的关系,构建了基于情景感知视角的移动图书馆个性化推荐服务评估指标体系。基于该方案阐述了基于用户情景、移动情景、资源情景和服务情景四个维度的个性化推荐服务优化策略,帮助用户发现资源之间的内部联系,服务用户进行决策与预测,提高资源的功能性,以此更好得为用户提供个性化服务。(本文来源于《吉林大学》期刊2019-06-01）
侯跃[6]（2019）在《基于情景感知中央红沃沃购电商用户兴趣推荐研究》一文中研究指出随着时代的发展和科技的进步,电子商务逐渐成为了人们交易方式,使人们生活在大数据的环境中,面对海量的信息,导致用户需要消耗大量的时间成本去挑选、辨别适合自身的产品,甚至无从选择。这种现象的出现是必然,也是急需解决的情况。电子商务领域中需要有推荐系统智能地帮助用户筛选出自身所需的信息,而评价推荐系统的优良是由推荐算法决定的。由于目前协同过滤算推荐算法存在数据值单一、数据量稀少、实时性差、计算量大、推荐效率低等问题,论文在中央红沃沃购电子商务企业协同过滤推荐算法的应用研究基础上,进行了进一步的研究,论文整体研究内容如下:(1)针对传统协同过滤算法中推荐效率低、计算量大的问题,提出了基于改进人工蜂群算法(Improved Artificial Bee Colony Algorithm,IABC)的 K-means 聚类协同推荐算法。论文通过初始化、适应度函数两方面来对人工蜂群算法(Artificial Bee Colony Algorithm.ABC)进行改进,与K-means迭代结合,得到更加精准的聚类效果,再并入协同过滤算法,完成推荐。通过实验分析证明了基于IABC算法的K-means聚类协同过滤推荐效果比传统协同过滤算法和基于K-means聚类的协同推荐算法更好,可有效地应用在中央红沃沃购电商平台的推荐系统中。(2)针对传统协同过滤算法中数据稀疏性、实时性差和数据值单一的问题,提出了基于情景感知的用户兴趣模型(Context-Awareness User Interest Model,CA-UI)。论文通过用户的显式行为和隐式行为记录数据,从而丰富了数据量,在一定程度缓解了数据稀疏性的问题,同时将用户实时行为和情景因素引入,使数据不再是单一的布尔量化值,而是精准地表现了用户对项目的关注程度,得到用户-项目关注度矩阵,解决了实时性差和数据值单一的问题,有效地缓解了中央红沃沃购电商平台的用户数据稀缺的问题。(3)运用基于IABC算法的K-means聚类协同推荐算法对用户进行推荐,保证个性化推荐在推荐性能和推荐精度上的优越性。通过实验分析证明了基于IABC算法的K-means聚类协同过滤推荐算法在基于情景感知的用户兴趣模型(CA-UI)推荐方面具有更好效果,能够有效地解决中央红沃沃购电商平台推荐系统存在的问题。论文针对协同过滤算法的不足,提出了基于情景感知的用户兴趣模型(CA-UI)和用户聚类协同推荐算法。利用基于IABC算法的K-means聚类协同推荐算法对关注度矩阵中的用户进行推荐。通过实验表明基于CA-UI模型及用户聚类协同推荐算法的推荐效果比传统协同过滤推荐效果好,能够更好地为中央红沃沃购电商平台的用户提供个性化的推荐。(本文来源于《哈尔滨商业大学》期刊2019-06-01）
冯源[7]（2019）在《基于多层感知机与元胞自动机的整合模型构建及用地情景模拟》一文中研究指出土地资源是人类生产生活发展的物质基础,也是自然环境重要的组成部分。人类在不断发展的同时,也影响和改变着全球生态环境变化。本文以叁峡库区作为研究区域,以2010年土地利用现状数据为标签与13个驱动因子以及各类用地邻域因子共20个特征组成数据集,同时构建模型对研究区域进行模拟,并进行情景预测。主要内容及结论如下:1.构建多层神经网络与元胞自动机结合的模型对叁峡库区2010年土地利用情况进行模拟。通过调整网络结构,来寻找最适合研究区域的模型。经过多次实验,以模拟精度与Kappa精度值作为评判指标,在隐藏层为3的情况下,模型的测试精度最高,达到0.959,总体Kappa精度值为0.93。2.针对数据样本不均衡问题,对模型进行优化。通过采用数据采样方法对训练数据进行处理,并将处理前后的数据分别导入神经网络与元胞自动机结合的模型中进行学习。经测试集测试,相对于数据处理前的最优网络模型,模拟总精度提升了0.52%,模拟精度达到最佳为0.964。总体Kappa精度值为0.9372,提高了0.77%。优化后的模型对于少数类样本模拟精度有显着提升,其中灌木地类型的Kappa精度提升最大,提高了146.01%。将模型与卷积神经网络,深度置信网络,CLUE-S叁种模型进行对比实验。结果显示,本文所构建的模型较其他叁种模型在精度上有一定的优势。3.设计不同的发展情景来预测未来2020年叁峡库区的土地利用情况,并用生态服务价值指标和经济效益指标来评价各发展模式的好坏。最后以生态-经济效益最优为目标,建立多目标方程,来模拟出2020年总效益最优的土地利用情况。4.使用Delphi与Python两种编程语言实现过采样方法,深度神经网络与元胞自动机相结合的情景模拟软件。(本文来源于《重庆邮电大学》期刊2019-05-28）
杨峰,张月琴,姚乐野[8]（2019）在《基于情景相似度的突发事件情报感知实现方法》一文中研究指出基于情景相似度的突发事件情报感知方法应用,将以往的经验情报和当下的即时情报进行结合和交叉应用,能够有效实现突发事件的事件识别和情报研判。本文首先阐释了基于情景相似度的情报感知思路,然后提出了情报感知的一种实现方法,即将情报资源分析之上的情景要素与当前突发事件呈现的特征属性进行相似度检验,最后通过扎根理论、文本分词、特征词提取、相似度计算等方法,以危险化学品事故作为应用实例。研究发现,突发事件情报资源的情景分析为实践中突发事件的态势感知提供了基本依据,而基于情景相似度检验的实现方法能让已有情报资源被迅速感知,为后续的情景构建和应急决策提供强力支撑。(本文来源于《情报学报》期刊2019年05期）
李贺,侯力铁,祝琳琳[9]（2019）在《移动图书馆情景感知信息推荐服务用户接受行为研究》一文中研究指出[目的/意义]基于多理论假设,为移动图书馆平台提供基于情景感知的信息推荐服务提供理论和实证依据,以丰富移动图书馆个性化服务的内容。[方法/过程]结合技术接受行为理论、创新扩散理论和感知风险理论,构建基于情景感知的信息推荐服务用户接受行为影响因素模型,并运用逻辑回归方法进行实证研究。[结果/结论]情景感知信息推荐服务作为移动图书馆信息服务的新方式,有着个性化的显着优势。同时,技术和设备的兼容为移动图书馆情景感知信息推荐服务提供了外部动力和重要保障。(本文来源于《图书情报工作》期刊2019年12期）
吴晓强,李理,赵华洋,郝瑞参[10]（2019）在《基于情景感知数据融合的农业物联网监测模型研究》一文中研究指出在传统农业逐步向智能农业发展的过程中,需要对农作物生长的各种环境数据进行监测。为此,设计一种能够监测农作物生长环境数据的系统。该系统采用无线传感器网络,基于ZigBee技术实现传感器节点间的数据传输。利用LEACH算法进行网络数据融合,提高无线传感器网络的存活时间。通过卡尔曼滤波完成节点间的数据融合,提升系统的数据采集精确度。试验结果表明,当网络传输300帧后,系统大部分节点仍然是存活的,与实际人工采集结果基本相同,温度误差小于0.2℃,二氧化碳浓度误差小于4 ppm,光照强度误差小于1 Lux。(本文来源于《中国农机化学报》期刊2019年04期）
情景感知论文开题报告
（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：
场景式服务是图书馆适应新时代发展的需要,体现了图书馆对用户体验的重视,对服务环境和质量的提升。文章结合相关研究,阐述相关概念与内涵,并从用户、图书馆和知识叁个维度分析场景式服务需求。基于此,文章从情景数据采集、情景计算、情景建模、模型评估等分析情景感知模型的构建过程,搭建以用户为中心,由情景感知模块、资源整合模块、技术支撑模块、场景服务模块构成的智慧图书馆场景式服务体系框架,并探讨其中存在的问题与对策。
（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。
情景感知论文参考文献
[1].李冰.基于情景感知融合的移动图书馆微服务体系构建[J].图书馆学刊.2019
[2].曾子明,孙守强.基于情景感知的智慧图书馆场景式服务研究[J].图书与情报.2019
[3].牛根义.基于情景感知的移动图书馆用户需求与服务[J].江苏科技信息.2019
[4].李建军,侯跃,杨玉.基于情景感知的用户兴趣推荐模型[J].计算机科学.2019
[5].侯力铁.基于情景感知的移动图书馆个性化推荐服务研究[D].吉林大学.2019
[6].侯跃.基于情景感知中央红沃沃购电商用户兴趣推荐研究[D].哈尔滨商业大学.2019
[7].冯源.基于多层感知机与元胞自动机的整合模型构建及用地情景模拟[D].重庆邮电大学.2019
[8].杨峰,张月琴,姚乐野.基于情景相似度的突发事件情报感知实现方法[J].情报学报.2019
[9].李贺,侯力铁,祝琳琳.移动图书馆情景感知信息推荐服务用户接受行为研究[J].图书情报工作.2019
[10].吴晓强,李理,赵华洋,郝瑞参.基于情景感知数据融合的农业物联网监测模型研究[J].中国农机化学报.2019