Enhancing a digital book with a reading recommender
Enhancing a digital book with a reading recommender
复制标题
通过阅读推荐器增强数字图书的质量
DOI：
--
复制
发表时间：
2000
期刊：
影响因子：
--
通讯作者：
S. Card
中科院分区：
文献类型：
--
作者：
Allison Woodruff;Rich Gossweiler;J. Pitkow;Ed H. Chi;S. Card
数字图书可以显著增强阅读体验，提供许多印刷图书所没有的功能。在本文中，我们研究了一种特殊的增强数字图书，为读者提供定制的建议。我们系统地探讨了在文本和引用数据上传播激活的应用，以生成有用的建议。我们的研究结果表明，对于在我们的语料库中执行的任务，在文本上传播激活比引用数据更有用。此外，通过激活扩散融合文本和引用数据会产生最有用的推荐。融合扩散激活技术优于传统的基于文本的检索方法。最后，我们介绍了一个初步的用户界面显示这些算法的建议。
Digital books can significantly enhance the reading experience, providing many functions not available in printed books. In this paper we study a particular augmentation of digital books that provides readers with customized recommendations. We systematically explore the application of spreading activation over text and citation data to generate useful recommendations. Our findings reveal that for the tasks performed in our corpus, spreading activation over text is more useful than citation data. Further, fusing text and citation data via spreading activation results in the most useful recommendations. The fused spreading activation techniques outperform traditional text-based retrieval methods. Finally, we introduce a preliminary user interface for the display of recommendations from these algorithms.