异构环境下数字资源个性化服务读者上下文模型研究*

2022-08-04张龙昌

新世纪图书馆 2022年7期

0 引言

目前，处于“信息迷航”和“信息过载”背景下的读者在主动获取信息和订阅数字资源服务的过程中，是处于一种长期动态变化、异构终端和网络环境的应用场景下。而基于Web环境的数字资源服务的个性化推荐，往往只关注“读者——数字资源服务”之间的二元关联关系，而较少考虑读者及其所需资源所处的上下文环境（如时空信息、环境和实体、读者状态情况、网络条件、软硬件条件等等），使其个性化推荐服务在读者所处的终端软硬件和网络环境不断变化过程中并不能生成有效推荐，仍然存在不能准确、全面地向读者推荐数字资源的问题，加大了实现精准数字资源个性化服务的困难

。

随着数字资源个性化服务研究的深入，作为个性化推荐和个性化自适应的重要分支——个性化推荐技术，笔者认为应建立异构网络环境（称其为异构环境，包含终端硬件环境、软件环境、网络环境的异构）下的读者上下文模型，系统、全面地了解和把握读者的相关信息（即读者上下文，描述读者状态的任何信息），并据此为读者提供服务，才能提升推荐和自适应的精准度，提高异构网络环境下数字资源服务的读者满意度。建立和完善读者上下文模型，可以说是数字资源个性化服务系统中的基石。

1 读者上下文模型架构

数字资源个性化服务读者（简称为“读者”）是数字资源信息服务的使用者或消费者，而读者上下文模型作为数字资源个性化服务的基石决定了异构环境下数字资源个性化服务的满意度。根据异构环境下数字资源个性化服务整个过程的描述，以及相应模块的定位可知，实现数字资源个性化服务所需的四项关键技术分别是异构环境读者上下文定义、基于本体的读者上下文建模、读者上下文获取、读者上下文模型更新。读者上下文模型架构在其服务过程中共有6个功能模块，如图1所示。

（1）读者上下文获取模块。该模块主要用于获取读者上下文建模需要的相关数据，这些数据包括读者特征相关信息、读者环境相关信息、读者拥有的计算资源相关信息，以及读者向系统反馈的数字资源服务体验信息。

除了以上缝合方式的应用，缝线桥技术也得到一定的发展。Kim等［5］的研究纳入112例肩袖分层撕裂患者，根据术中发现肩袖关节侧复位至足印区的张力大小分为缝线桥全层缝合组和缝线桥单独滑囊侧缝合组，其结果显示两组在疼痛缓解、功能恢复及再撕裂发生率上差异无明显统计学意义，其结论说明当关节侧张力大时，单独行滑囊侧的缝线桥技术同样能获得很好的临床效果。Heuberer等［17］提出无结性分层系带桥接技术（double-layer cinch bridge），其优点在于能减少缝线结对分层肩袖微循环恢复的影响，并且能同时完成分层肩袖的解剖重建，同样能获得满意的临床效果。

FOAF

是描述个人信息的常见的XML/RDF词汇表，很容易与OWL融合，异构环境读者特征上下文模型建立在OWL和FOAF之上，具体模型见图3。

周围环境类（Surroundings）描述读者周围的相关实体，包括读者所在的自习室、教室、餐厅等固定区域，以及移动区域和对象（除人类和位置外的所有事物）。

蒙古马体形矮小，其貌不扬，然而，在风霜雪雨的大草原上，其却能不畏艰辛、纵横驰骋、屡建奇功，铸就了蒙古马独特的品格和精神。习近平总书记在考察内蒙古时指出，干事创业就要像蒙古马那样，有一种吃苦耐劳、一往无前的精神。

（4）基于本体的读者上下文模型表示，即读者上下文模型建模。采用本体论方法表示读者上下模型，但实现数字资源的个性化服务需要将读者上下文本体和数字资源信息服务本体进行匹配，因此系统建立的初期需要建立数字资源信息服务的本体库，用来描述数字资源。

2 基于本体的异构环境读者通用及所属领域上下文建模

为了提高所建模型的通用性，能够融合异构环境下不同数据源的跨域的读者环境、读者计算上下文，ReaderEnvironment和ReaderComputing建立为独立上下文本体。异构环境情景上下文（Situation Context）一般通过对其他上下文推理、学习获得，描述读者当前所处的情景，是读者上下文实体的一部分，根据情景上下文向读者提供相应的数字资源服务。数字资源上下文实体描述数字资源服务分布在互联网的任意节点上，其上下文信息由服务提供者描述，属于来源于外部的上下文实体。通过通用读者上下文模型，数字资源个性化服务推荐系统能够理解读者在什么环境下处于何种情景、能够通过什么样的计算资源、需要订阅什么样的数字资源服务。

如尽可能的利用自然光，采用高效照明光源；卫生器具的选择上选用节水型卫生器具；空调器选用节能型等方式，暖通空调制冷在建筑中具有主动性，对建筑节能有很大的影响。

基于本体的读者上下文建模是将异构环境下数字资源服务提供中与读者相关的概念定义成公共的词汇集合，并且对概念之间的关系提供形式化的、明确的描述，进而对既有事实进行推导，得出隐藏的或没有清晰表达的新知识。另外，读者上下文模型支持在不同领域推荐中的共享，实现跨域的数字资源服务推荐也是在建立读者上下文模型时必须考虑的问题，即需要考虑模型的通用性和扩展性。

基于上述考虑，本节采用本体技术，建立异构环境读者上下文模型（RCM_HE：Reader Context Model under Heterogeneous Environment）。来自于跨域的读者上下文共享某些概念，但又有独特的表述，因此RCM_HE采用分层的思想，分成用于获取异构环境基本、通用概念的通用读者上下文模型和用于获取特定领域相关概念的领域读者上下文模型。

在通用读者上下文模型中，位于最顶层的上下文实体（ContextEntity）为全局概念，异构环境读者上下文（Reader）、异构环境读者特征上下文（ReaderCharacters）和异构环境情景上下文（SituationContext）为ContextEntity的子类（subclass）。当Reader存在于（exist In）异构环境读者环境上下文（ReaderEnvironment）和异构环境情景上下文（SituationContext）中时，通过其拥有的异构环境读者计算上下文（ReaderComputing）使用（uses）其所需要的数字资源（DigitalResource）。Digital Resource需要在ReaderComputing下运行（runOn），在ReaderComputing下可以负载多个DigitalResource。其他上下文实体皆可通过ContextEntity与Reader Environment和ReaderComputing相关联，实现上下文实体间关系的描述。具体模型所图2所示。

目前在图书情报领域对读者（用户）模型、读者（用户）画像已取得一些研究成果，但对读者上下文还没有明确的定义，更没有关于异构环境下的读者上下文模型。本文认为研究的侧重点应在数字资源服务推荐过程中能够对读者的行为、偏好和需求产生影响的上下文信息才有意义。异构环境读者上下文是描述异构环境下读者特征信息、读者周围情况和计算资源情况并且影响到读者行为和偏好的各种信息及其变化的集合。异构环境下读者的上下文信息种类繁多、形式多样，如何充分利用这些上下文信息实现精准的数字资源信息服务推荐是本文的最终目标，因而对复杂异构的信息进行抽象，建立统一、准确、全面描述读者的上下文模型是本节要解决的问题。

1.2.2 泸州地区酱香型新鲜酒糟的养分特征。试验用酒糟来自郎酒集团酱香型酒糟，酒糟的主要成分为稻壳和高粱。对酒糟进行酸碱度、干物质、粗脂肪、粗蛋白及氨基酸含量的测定，测定结果：pH 4.4±0.1，干物质(90.3±0.2)%，粗脂肪(7.0±0.1)%，粗蛋白(26.6±0.2)%，氨基酸总量(28.5±0.2)%。

此外，根据读者所属领域的不同，将通用读者上下文模型进行扩展后形成领域读者上下文模型，通过定义描述领域的词汇来实现。例如按照读者群体类型分类的高校学生群体、青年读者群体、老年读者群体、特殊残疾人读者群体，就高校学生群体而言，学生读者可以分为远程读者和本地读者，本地读者可以面对面收看教师授课，远程读者可以通过远程服务收看教师授课。应用领域发生变化时，通过继承、插拔通用读者上下文本体的概念实现动态的领域上下文转换。依据读者所属领域的不同形成领域读者上下文能够更加精确地描述读者所处状态，更精细地描述读者的特征、环境信息，从而提供更精准的数字资源推荐服务。而上层本体概念又被所有领域所共享，领域本体之间通过映射实现概念的共享。这种分层结构既有抽象，又有具体；既能缩小本体规模，又有利于对上下文的处理和推理。

3 异构环境读者特征定义及其上下文建模

（2）读者上下文模型生成模块。依据读者上下文模型的模式将读者信息写入读者上下文模型，并且生成读者上下文的本体实例。

网络环境类（NetworkEnvironment）描述读者终端所处的网络环境特征，如网络类型、网络带宽、QoS、接入模式、网络类型、资费、服务质量、能够支持的接入设备类型等信息。现在读者使用的数字资源服务均承载在多种异构的网络上，包括电信网（CommunicationNetwork）、广播电视网（TelevisionNetwork）和互联网（Internet）三个子类，具有网络并存的特点。这些网络环境上下文决定了数据传输速率、传送方式和读者所使用的终端设备。

读者社会关系类（ReaderSocialRela）描述影响读者态度的师长、亲戚、朋友、同事、同学等社会关系，通过对社会关系的推理获得读者的兴趣爱好、习惯和偏好等部分信息，这里重点研究与数字资源推荐相关的读者社会关系上下文，该类数据也可以通过FOAF本体获得，在一段时期内，该类数据较为稳定。

读者行为类（ReaderBehavior）描述异构环境下读者在什么样的环境下利用什么样的计算设备使用什么数字资源的若干历史记录，包括工作、生活、学习等与数字资源个性化服务相关的行为。读者使用数字资源的若干事件（Event），每个事件中又包含读者的一个或多个动作（Activity）。本概念需要与环境、计算本体相关联以获取相关的时间、位置、网络、软件、终端设备等信息。处于不同时期读者的行为也可能存在差异，如大学时期的读者经常在教室中利用笔记本电脑阅读专业电子书籍，可通过引用读者的基本信息类，获取读者相关特征。

读者行为习惯类（ReaderHabit）通常描述的是读者在订阅或接受数字资源服务时习惯使用的终端、网络和位置等。这是对读者行为记录（也可以是推理）的抽象结论。读者行为习惯具有一定的动态性，可以是读者某一时期对环境和计算上下文的依赖程度，如大学生经常在教室使用笔记本电脑阅读专业电子书、在宿舍经常用手机打游戏或者看电影，可以得出此时的读者习惯是“经常在教室使用笔记本电脑、在宿舍使用手机”。

读者兴趣爱好类（ReaderHobby）描述描述长期和短期内读者分别对什么样的数字资源感兴趣。有些兴趣具有一定的稳定性，如处于某个特征（比如大学生喜欢运动类、娱乐类数字资源）的读者兴趣爱好具有一定的稳定性。而不同环境下的读者对数字资源的兴趣也会不同，有些兴趣具有一定的动态性，如某读者长期喜欢体育运动类数字资源，而某个时期对看电影感兴趣，所以该类应该包含读者特征和环境信息。这里还需要考虑一个情景问题，比如在上课时间的自主学习情景下，大学生在教室内使用笔记本电脑查阅课程知识点，用情景类（Situation）描述，通过引用BDI

本体对情景类进行详细描述。

2）污水流速为0.2 m/s对水侧换热系数的影响很大，换热系数由4 368增大到5 545 W/m2·K，增大约27%，而后当污水流速再增大到0.25 m/s，水侧换热系数约6 048 W/m2·K，增大为仅9%.说明从0.2 m/s后，污水速度提高对水侧换热系数影响趋势不太明显.

4 异构环境读者环境定义及其上下文建模

OWL-Time

是W3C空间数据工作组发布的OWL时间本体正式推荐标准，是目前最具有代表性的本体，也是OWL本体不可或缺的一部分。该本体提供了一组标准的词汇，描述瞬时、时间段等信息。对数字资源推荐影响较大的是时间段和持续时间等信息，从有利于上下文处理和推理角度考虑，本文对OWL-Time进行简化，保留瞬时时间概念，去除瞬时拓扑关系及其相关的其他信息。GLOSS-Location

是目前仅有的关注符号位置的空间描述本体，具有较好的通用性和扩展性，本文参照该本体并对其进行简化，具体的模型见图4。

时间空间类（TimeAndLocation）描述与读者相关的时间、地点、网络和邮件地址、线路轨迹等环境信息。时间本体由瞬时时间（Instant）、区间时间（Interval）、持续区间（Duration）、非零持续时间（ProperInterval）、间断区间（GapInterval）、日历（CalendarClock）组成。这里重点描述一下间断区间的应用场景，如某位读者正在阅读某个数字资源，期间来了一个朋友的信息并且回复。空间本体主要用位置进行描述，包括地理位置、符号位置和区域三个子类。其中区间位置和符号位置在数字资源个性化服务中应用最为广泛，区间位置包括移动区域（如自行车、公交车、轮船、火车、飞机、地铁、私家车等等）和固定区域（如操场、花园、小树林等室外区域和教室、书房、咖啡厅、图书馆等室内区域），符号位置通常是一个用符号表示的区域。

（3）读者上下文模型更新模块。对读者行为、兴趣爱好等随时间变化的读者上下文进行重新估计和修正，通常采用统计学习或者机器学习的方法。

开创新时代实现人民对美好生活向往的宏大历史伟业—兼论十九大报告对唯物史观的继承和发展……………………………方世南罗志勇（7）

自然环境类（PhysicalCondition）描述读者所处的自然条件下的环境信息，包括物理条件和天气两个子类；物理条件主要描述读者所处环境的噪音、温度、湿度等与阅读环境相关的物理条件，天气描述读者所处地理位置的风级风向、降雨情况、能见度、光照度等自然因素（来源于外部本体）。

5 异构环境读者计算定义及其上下文建模

自动化流水线施工中管片蒸汽养护制度的研究和实践……………………………………………… 李刚，曹桂生（2-241）

我国大多数农民利用秸秆、薪柴的方式还停留在最原始的直接燃烧的状态，这样不仅农作物秸秆不能充分燃烧，浪费资源，而且对环境造成严重污染，危害人们身心健康[4]。生物质成型燃料的能量密度相当于中质烟煤，但成型燃料燃烧排放的CO2来自于秸秆光合作用吸收的CO2，吸收和排放达到平衡，基本实现零排放，其它有毒有害气体排放量也远小于煤。生物质成型燃料本身体积较小，接触到的空气充足，可以充分燃烧，相对于煤来说，燃烧特性明显改善，利用效率显著提高[5]。生物质秸秆固体成型燃料包括颗粒燃料、块状燃料和棒状燃料，其中颗粒燃料因其自身特性，具有流动性强、燃烧效率高等优点，从而得到广泛应用。

读者基本信息类（ReaderPersonInfo）描述读者基本属性，包括姓名、年龄、身高、体重、学历、职业等一般稳定不变的个人数据，这类数据通常通过引用FOAF本体获得，在OWL中可以使用“owl:equivalentClass”与“owl:equivalentProperty”实现等价类、等价属性的引用。同样，在本文的异构环境读者上下文模型中涉及到来源于外部跨域的任何上下文信息类都可以通过上述OWL中的两个标识符实现等价类和等价属性的应用，这样既能实现跨域上下文本体间的无缝融合，又能保持各域上下文本体的独立。

传感环境类（SensingEnvironment）描述读者用于实现交互环境中的传感设备情况，如监控设备、语音设备及其他传感设备。在传感设备中包括传感器类（Sensor）和传感网络类（SensorNetworks），传感器类描述读者周围具有的传感器信息，分为室内传感器类（IndoorSensor）和个人感器类（PersonalSensor），室内传感器类主要描述室内温度和湿度、视频、语音等传感器设备，个人传感器类描述读者独自拥有的体温、拍照、医疗等传感器设备。

User Agent Profile（UAP）

专注于无线通讯领域设备特征的描述，目前是描述设备上下文本体比较少见的本体之一，与本文研究的异构网络环境具有很高的契合度，在该本体的基础上，对其进行调整与扩展，建立异构环境下读者计算上下文模型，见图5。

终端设备及能力类（DeviceAndCapacity）描述读者当前可用的终端计算设备情况，包括终端硬件类（TerminalHardware）和终端软件类（TerminalSoftware）。终端硬件类描述设备类型、CPU、存储、内存、网络模块、显示器、主板等硬件设施情况。运行在硬件上的终端软件类（如系统软件、应用软件）与终端设备类型、型号有关，可提供包括平台类（Platform）、应用子类（Application）平台，以及操作系统子类（OperatingSystem）等终端访问和运行环境，能够支持文本、音乐、视频、语音等信息的远程数字资源服务。

数字资源服务类（Service）描述读者使用的远程付费和免费的服务，一般情况下该服务在远程采用OWL进行描述，在异构环境读者计算上下文模型中只需引用远程的服务描述即可。

“这里飞溅的墨水是真的。我是把四张照片合成在一起的，不过每一滴墨水的位置都没有动。”thingswithstories.tilda.ws

6 异构环境读者上下文获取

异构环境读者上下文获取是在数字资源个性化服务过程中对读者相关数据的采集，该获取可以通过多种方式，具体分为以下三类

。

6.1 通过显式（Explicitly）方式采集

通过直接接触相关实体和上下文信息源，通过明确的询问、感知、服务调用等方法收集读者相关的上下文信息。根据异构环境读者上下文定义，读者基本信息可以通过设计网页直接由读者填写，也可以通过服务调用从其它已经存在读者基本信息的系统中获取。读者社会关系在系统建立初期可以通过设计网页由读者直接设定，也可以通过服务调用从相关的社交平台获取。部分的读者行为可通过显式方式设定，其行为习惯及兴趣爱好也可以通过显式方式设定。异构环境读者环境上下文中全部的读者时空环境和读者自然环境、部分读者周围环境均可以采用显式方式获取，如位置可通过北斗/GPS进行定位、餐厅可通过地图服务获取、气温湿度可通过互联网服务调用获取。异构环境读者计算上下文中全部的读者终端的网络环境上下文、读者所处的感知环境上下文、读者终端设备及设备能力上下文和读者终端数字资源服务上下文都可以通过系统调用、接口程序、互联网服务等显式方式获取。

浅阅读是走向深阅读过程中的起步阶段。在这个阶段，阅读主体可以大致拟出阅读的提纲或思维导图，至少在脑中会形成对阅读内容的总体印象，判断出下一步需要详读的部分和略读的部分。

6.2 通过隐式（Implicitly）方式采集

通过已有数据或者环境间接提取上下文，不需与读者或上下文信息源直接交互。部分异构环境读者特征上下文可以通过隐式方式获取，如通过读者登录信息获取读者姓名、两位读者经常在相同时间段登录系统可以判定为同学朋友关系、通过读者登录系统时间和浏览数字资源情况获取读者在某段时间的行为、通过读者经常性使用的终端设备类型获取读者使用什么终端设备进行数字资源访问的行为习惯、通过读者的评价获取读者对数字资源的感兴趣程度。部分异构环境读者环境上下文可通过隐式方式获取，如时间上下文可通过读者登录日志和交互日志的时间戳获取、通过读者登录的网址可获取读者的位置和周围实体（如教室、自习室等）、通过相近网址相近时间登录的读者所提供的当前自然环境可获取读者的当前自然环境。部分异构环境读者计算上下文可通过隐式方式获取，如通过相近网址相近时间登录的读者所提供的终端网络环境可获取读者的终端网络环境、通过相近网址相近时间登录的读者所提供的感知环境上下文可获取读者的感知环境、通过读者访问数字资源日志可获取读者终端能够支持的和正在使用的部分数字资源服务。

6.3 通过推理（Inferring）方式采集

通过统计分析或者数据挖掘技术获取上下文。部分读者基本信息可以通过推理方式获取，当个性化服务推荐平台无法显式、隐式地获取读者从事的职业（学生、教师、工程师等等）时，可以通过使用数据挖掘方法对读者访问的数字资源进行统计分析来获得读者的职业，如使用分类器提取出各职业的特点，进而划分为不同的职业类别，再将读者映射到给定的类别中即可。常见的实现分类器的算法有NBC（朴素贝叶斯分类）算法、LR（逻辑回归）算法、ID3（决策树）算法、SVM（支持向量机）算法、KNN（K最近邻近）算法、ANN（人工神经网络）算法。读者社会关系可以基于社会网络拓扑特征进行预测，如基于共同邻接节点（即共邻节点）之间的相似度计算两个节点之间是否存在关系，相似度计算采用朴素贝叶斯模型更为准确

；再如可以选取读者特征属性计算读者的相似度，将相似度高的读者预测为朋友，比较典型的特征是读者的位置，同时采用随机森林、支持向量机、朴素贝叶斯等分类模型推理朋友关系

。读者行为习惯、兴趣爱好可以使用数据挖掘方法获取，例如通过读者对数字资源的检索、浏览次数，经过聚类后可得出某个专业人士的“热门数字资源”

，常见的聚类算法如K-Means（K均值）聚类、均值漂移聚类（MeanShift）、基于密度的聚类方法（DBSCAN）、高斯混合聚类、凝聚层级聚类（HAC）、图团体检测（GCD）等算法。异构环境读者环境上下文、计算上下文中的网络环境和感知环境上下文也可以通过聚类方法获得，如可以根据已知的读者环境信息，通过位置将读者进行聚类，从而推理出未知的读者环境信息。

7 读者上下文模型更新

读者上下文模型更新主要指读者上下文的更新，分为随时更新和周期更新。当环境上下文随着读者地点的改变可随时进行更新，这类更新通过显示、隐式或者触发推理系统方式进行更新。周期更新的上下文又可分为固定周期更新和不固定周期更新，如学生读者年龄、年级等按照自然年份进行固定周期性的更新，而读者行为和兴趣爱好的更新周期一般不固定。这里重点研究不固定周期读者上下文更新的周期选择问题，而上下文的获取仍然采用上述异构环境读者上下文获取方式进行获取。

不固定周期更新的读者行为习惯和兴趣爱好上下文信息通常与时间联系紧密，读者既可能有长期形成的行为习惯和兴趣爱好，也可能有短期内频繁做出的行为和感兴趣的数字资源。所以，在对读者这类上下文信息进行更新时，既要考虑长期读者行为习惯和兴趣爱好，又要考虑短期读者行为习惯和兴趣爱好

。本文通过按照时间序列选取样本的办法实现不固定周期读者上下文的更新，这里以兴趣爱好为例。对于读者的长期兴趣爱好，应用读者较长一段时间内形成的兴趣样本确定；而对于读者的短期兴趣爱好，应由读者较短一段时间内形成的兴趣样本确定；然后再由数据挖掘算法对读者兴趣爱好进行挖掘，如神经网络

、LDA

等。下面介绍短期兴趣样本的选择。

令读者阅读数字资源序列DR=（R

,…R

）是随时间推进的有限数字资源组成的序列，序列DR中的每个数字资源 R

(1 ≤r≤s )表示第r个阅读的数字资源；设在数字资源R

中最能体现其主题的关键字的有限集合为KY

={K

, K

,…K

}，其中 K

(1 ≤i≤n)为数字资源 R

的一个关键字。利用滑动窗口模型确定短期兴趣样本，将DR分成若干批次，设每个窗口SW

由固定数量m个最近批次组成，可以表示成SW

={B

, B

,…,B

}，该窗口大小m为。批次B

包含固定数量的数字资源，即B

= {R

, R

,…R

}。窗口SW

滑动时将最新的批次加入，同时删除最旧的批次，生成新的窗口SW

，这里的 B

, B

,… ,B

称为SW

和SW

的公共批次。

图6描述了一个读者阅读文献的示例，示例中，每一行表示一篇文献和表明文献主题的关键字。该文献将序列分为3个批次{B

, B

}，其中每个滑动窗口包含2个批次，共有2个滑动窗口，分别为SW（

）和SW（

）。SW

为初始滑动窗口，通过移除最旧批次，增加新批次，形成SW

窗口。

8 结语

目前，数字资源服务环境从传统的Web环境向异构环境过渡，数字资源访问从固定时间、固定地点向随时随地转变，数字资源服务从群体服务向个性化服务转化，在异构环境下随时随地向读者提供精准、高满意度的个性化数字资源服务成为当前迫切需要解决的难题，而解决该问题首先需要一个能够全面、准确描述读者上下文信息的异构环境读者上下文模型。因此，本文在已有用户模型、用户画像、用户兴趣模型等相关研究的基础上，提出面向异构环境的读者上下文模型。首先根据异构环境下数字资源个性化服务过程，准确定位读者上下文模型；接着对异构环境下读者上下文信息进行分类和定义，并在此基础上采用本体技术对读者特征、环境、计算上下文进行建模；再提出利用感知技术、机器学习、数据挖掘、推理等技术获取读者上下文信息；最后采用滑动窗口模型更新读者上下文模型。

本文仅从理论、逻辑上探讨了构建异构环境下读者上下文模型的基本思想，没有实现具体软件系统，缺乏真实环境下对模型的实证分析和验证。而建立在读者上下文模型上的数字资源个性化服务、自适应等模型仍然需要进一步从理论和实践上加以深入研究，才能够指导个性化数字资源服务系统的实现和运营。

[1]张龙昌,张心悦,王晓明.异构环境下跨域个性化数字资源信息服务模型[J].图书馆学研究,2020(16):71-80.

[2]BRICKLEY D,MILLER L.FOAF vocabulary specification 0.99[EB/OL].[2019-03-10].http://xmlns.com/foaf/spec.

[3]PERICH F.MoGATU BDI ontology[EB/OL].[2019-03-10].http://mogatu.umbc.edu/bdi/.

[4]HOBBS J R,PAN P. Time Ontology in OWL[EB/OL].[2017-10-19].https://www.w3.org/TR/2017/REC-owl-time-20171019/.

[5]COUTAZ J, DEARLE A, DUPUY-CHESSA S , et al.Working document on gloss ontology[J]. University of St Andrews,2010.

[6]ALLIANCE O M.User Agent Profile (UAP)[J].Open Mobile Alliance Ltd,2006.

[7]ADOMAVICIUS G,TUZHILIN A.Context-aware recommender systems[J]. Springer-Verlag, 2011, 217-253.

[8]王立才,孟祥武,张玉洁.上下文感知推荐系统[J].软件学报,2012(1):1-20.

[9]伍杰华.基于树状朴素贝叶斯模型的社会网络关系预测[J].计算机应用,2013,33(11):3134-3137.

[10]罗惠,郭斌,於志文,等.基于网络拓扑和地理特征融合的朋友关系预测模型[J].计算机科学,2014(6):43-47.

[11]张恒,章成志,周清清.高校图书馆用户群体的阅读偏好：对“热门图书”数据的考察[J].图书馆论坛,2020,40(5):132-141.