由大数据科学研究院王曰芬教授、博士研究生范丽鹏、靳嘉林、硕士研究生杜薇研究团队撰写的论文《知识推荐驱动的用户需求挖掘型知识融合模式实现研究》在《图书情报工作》2026年第9期发表。该研究提出的基于内容推荐（C）、协同过滤推荐（CF）、内容推荐—协同推荐（CCF）、协同推荐—内容推荐（CFC）4种知识推荐模型及实现流程，输出结果可作为用户需求的辅助表征，支撑知识融合模式的实现，验证了“语义补充—语义推荐”路径的可行性。此外，CFC推荐在内容评估和量化评估中均有着显著高于其他模型的准确度。
该研究围绕着在用户层面增强知识融合使知识服务中用户需求嵌入的实现更为合理与可行，以“用户—数据—服务”组合视角下知识融合模式体系中用户需求挖掘型实现为目的，针对为用户赋予潜在语义并融合从而辅助表征其需求的问题，从作者知识元与语义知识元间的主题关系、合作关系和混合关系出发，设计神经网络下基于内容推荐、协同过滤推荐、混合推荐三类推荐思路的4种知识推荐模型与算法流程，并将数据集以“7+2+1”的形式划分训练集、测试集、校准集，进而构建用户需求挖掘型知识融合模式实现方案，且选用WoS数据库中的人工智能领域数据进行实现对比与结果验证。结果显示，该研究所采用的利用语义信息及关联关系能够在一定程度上实现作者知识元与语义知识元在语义层面的交叉融合；采用知识推荐方法能够有效辅助表征用户需求；以协同过滤推荐的语义补充和基于内容推荐的推荐实施串行而成的混合推荐（CFC）策略展示出了较优的效果，表明该方法能够适应知识用户在发文中体现的研究需求，准确挖掘知识用户的隐性需求，为知识融合提供用户层面的增强，从而为用户需求挖掘型知识融合模式的实现提供有效支撑。
科研进展