東華大學圖書館 |

Language: English

Help

回圖書館首頁

手機版館藏查詢

Back

Switch To: Labeled | MARC Mode | ISBD

Developing a Content and Knowledge-B...

Wijewickrema, Manjula.

Linked to FindBook

Google Book

Amazon

博客來

Developing a Content and Knowledge-Based Journal Recommender System Comparing Distinct Subject Domains.

Record Type:	Electronic resources : Monograph/item
Title/Author:	Developing a Content and Knowledge-Based Journal Recommender System Comparing Distinct Subject Domains./
Author:	Wijewickrema, Manjula.
Published:	Ann Arbor : ProQuest Dissertations & Theses, : 2019,
Description:	295 p.
Notes:	Source: Dissertations Abstracts International, Volume: 81-02, Section: A.
Contained By:	Dissertations Abstracts International81-02A.
Subject:	Information science. -
Online resource:	https://pqdd.sinica.edu.tw/twdaoapp/servlet/advanced?query=27551305
ISBN:	9781392695982

Developing a Content and Knowledge-Based Journal Recommender System Comparing Distinct Subject Domains.
Wijewickrema, Manjula.

Developing a Content and Knowledge-Based Journal Recommender System Comparing Distinct Subject Domains. - Ann Arbor : ProQuest Dissertations & Theses, 2019 - 295 p.

Source: Dissertations Abstracts International, Volume: 81-02, Section: A.

Thesis (Ph.D.)--Humboldt Universitaet zu Berlin (Germany), 2019.

This item must not be sold to any third party vendors.

Die Aufgabe, ein passendes Journal zu finden, ist auf Grund von verschiedenen Einschrankungen nicht von Hand zu erledigen. Um also diese Problematik zu behandeln, entwickelt die aktuelle Untersuchung ein Journal-Empfehlungssystem, das-in einer Komponente-die inhaltlichen Ahnlichkeiten zwischen einem Manuskript und den existierenden Zeitschriftenartikeln in einem Korpus vergleicht. Das stellt die inhaltsbasierte Empfehlungskomponente des Systems dar. Zusatzlich beinhaltet das System eine wissensbasierte Empfehlungskomponente, um die Anforderungen des Autors bezuglich der Veroffentlichung auf Basis von 15 Journal-Auswahlkriterien zu berucksichtigen. Das neue System gibt Empfehlungen aus den im Directory of Open Access Journals indizierten Journals fur zwei verschiedene Themengebiete: Medizin und Sozialwissenschaften. Die Ergebnisse zeigen, dass die Autoren aus den Themengebieten Medizin und Sozialwissenschaften mit den Empfehlungen des Systems zu 66,2% bzw. 58,8% einverstanden waren. Daruber hinaus wurde 35,5% der Autoren aus dem Bereich Medizin und 40,4% der Autoren aus den Sozialwissenschaften ein oder mehrere Journal(s) vorgeschlagen, das bzw. die fur die Publikation besser geeignet war(en) als das Journal, in dem sie den Artikel veroffentlich hatten. Die durchschnittliche Leistung des Systems zeigte eine Abnahme von 15% in Medizin bzw. 18% in Sozialwissenschaften verglichen mit den gleichen Empfehlungen bei einer optimalen Sortierung. Leistungsverluste von 22,4% im Fach Medizin und 28,4% in den Sozialwissenschaften ergaben sich, wenn die durchschnittliche Leistung mit einem System verglichen wurde, das geeignete Empfehlungen fur die 10 besten Resultate in der optimalen Reihenfolge sortiert abruft. Die vom Hybrid-Modell Empfehlungen zeigen zwar eine etwas bessere Leistung als die inhaltsbasierte Komponente, die Verbesserung war aber nicht statistisch signifikant.

ISBN: 9781392695982Subjects--Topical Terms:

554358
Information science.
Subjects--Index Terms:

Content and knowledge-based journal recommender system

Developing a Content and Knowledge-Based Journal Recommender System Comparing Distinct Subject Domains.
LDR:03173nmm a2200349 4500 001 2278495
005 20210628082332.5
008 220723s2019 ||||||||||||||||| ||eng d
020 $a 9781392695982
035 $a (MiAaPQ)AAI27551305
035 $a (MiAaPQ)Humboldt_1845220889
035 $a AAI27551305
040 $a MiAaPQ $c MiAaPQ
100 1 $a Wijewickrema, Manjula. $3 3556872
245 1 0 $a Developing a Content and Knowledge-Based Journal Recommender System Comparing Distinct Subject Domains.
260 1 $a Ann Arbor : $b ProQuest Dissertations & Theses, $c 2019
300 $a 295 p.
500 $a Source: Dissertations Abstracts International, Volume: 81-02, Section: A.
500 $a Advisor: Petras , Vivien;Dias , Naomal.
502 $a Thesis (Ph.D.)--Humboldt Universitaet zu Berlin (Germany), 2019.
506 $a This item must not be sold to any third party vendors.
506 $a This item must not be sold to any third party vendors.
520 $a Die Aufgabe, ein passendes Journal zu finden, ist auf Grund von verschiedenen Einschrankungen nicht von Hand zu erledigen. Um also diese Problematik zu behandeln, entwickelt die aktuelle Untersuchung ein Journal-Empfehlungssystem, das-in einer Komponente-die inhaltlichen Ahnlichkeiten zwischen einem Manuskript und den existierenden Zeitschriftenartikeln in einem Korpus vergleicht. Das stellt die inhaltsbasierte Empfehlungskomponente des Systems dar. Zusatzlich beinhaltet das System eine wissensbasierte Empfehlungskomponente, um die Anforderungen des Autors bezuglich der Veroffentlichung auf Basis von 15 Journal-Auswahlkriterien zu berucksichtigen. Das neue System gibt Empfehlungen aus den im Directory of Open Access Journals indizierten Journals fur zwei verschiedene Themengebiete: Medizin und Sozialwissenschaften. Die Ergebnisse zeigen, dass die Autoren aus den Themengebieten Medizin und Sozialwissenschaften mit den Empfehlungen des Systems zu 66,2% bzw. 58,8% einverstanden waren. Daruber hinaus wurde 35,5% der Autoren aus dem Bereich Medizin und 40,4% der Autoren aus den Sozialwissenschaften ein oder mehrere Journal(s) vorgeschlagen, das bzw. die fur die Publikation besser geeignet war(en) als das Journal, in dem sie den Artikel veroffentlich hatten. Die durchschnittliche Leistung des Systems zeigte eine Abnahme von 15% in Medizin bzw. 18% in Sozialwissenschaften verglichen mit den gleichen Empfehlungen bei einer optimalen Sortierung. Leistungsverluste von 22,4% im Fach Medizin und 28,4% in den Sozialwissenschaften ergaben sich, wenn die durchschnittliche Leistung mit einem System verglichen wurde, das geeignete Empfehlungen fur die 10 besten Resultate in der optimalen Reihenfolge sortiert abruft. Die vom Hybrid-Modell Empfehlungen zeigen zwar eine etwas bessere Leistung als die inhaltsbasierte Komponente, die Verbesserung war aber nicht statistisch signifikant.
590 $a School code: 5416.
650 4 $a Information science. $3 554358
650 4 $a Library science. $3 539284
653 $a Content and knowledge-based journal recommender system
653 $a Comparing distinct subject domains
690 $a 0723
690 $a 0399
710 2 $a Humboldt Universitaet zu Berlin (Germany). $3 3480542
773 0 $t Dissertations Abstracts International $g 81-02A.
790 $a 5416
791 $a Ph.D.
792 $a 2019
793 $a English
856 4 0 $u https://pqdd.sinica.edu.tw/twdaoapp/servlet/advanced?query=27551305