信息抽取是指从多源异构的数据源中提取出实体、属性以及实体之间的关系,在此基础上形成本体化的知识表达,它是知识图谱构建技术的关键[1]。早期信息抽取主要是基于预定规则的抽取技术,工作量庞大且*适用于特定的专业领域,后来人们开始尝试使用统计机器学习的方法,通过标注部分数据得到训练集,在此基础上再使用均方根误差算法(rootmeansquarederror,RMSE)或多项式回归算法(polyno⁃mialregression,PR)等有监督学习算法识别命名实体。阅读行为感知有助于提高阅读教学的效果和质量。图书馆阅读行为感知费用

通过分析移动阅读的影响因素结构模型,根据自变量和中间变量对潜变量的影响效果,发现直接影响市民移动阅读选择偏好和持续使用的因素依次为:满意度、感知费用水平、感知易用性、感知娱乐性、知觉行为控制、感知有用性、行为态度。其中,感知费用水平对持续行为意向产生负向影响,即个体感知为移动阅读支付的费用水平越高,其继续使用移动阅读的意向就越低。此外,感知风险性通过满意度间接对持续行为意向产生负向影响,感知形象提升和主观规范维度对移动阅读的持续行为意向影响效果不***。图书馆阅读行为感知费用观点或思想来源不明也与我们学者对引证规范的轻视有关。

阅读作为自主学习中重要的一环,在自主学习中有着不可取代的地位。因此,分析阅读中的行为并提取有效信息进行分析,有助于实现对学生的智能分析,以求实现智慧教育中针对不同的学习者制订与之适应的教学计划,***,智能地为学生定制资源、调整策略,以提升学习效率,提供可行性研究与基础方法探索。但是,目前关于这方面的研究较为稀少。而在目前存在的对于阅读行为的研究中,其更多的是对阅读时人阅读书籍类别等进行研究,关于视线方面的实际研究仍具有极大的意义。
通过对媒介、行为和体验三个方向整合分析,构建了提升用户参与行为的数字阅读体验框架。该框架在划分媒介类型的基础上,对参与行为构成、类型和影响要素进一步分析提炼、将体验维度与参与行为对应,以采取相应的数字阅读体验优化路径。首先,根据不同使用场景、使用习惯和用户群体所囊括的数字阅读类应用的数量十分庞杂,数字阅读类应用不同,具体的用户参与行为所占比重、所处阅读阶段也不尽相同。通过对数字阅读类应用的媒介特性分类,能够有效区分同类型应用使用过程中用户参与行为的共通和差异,并对总结参与行为影响要素的一般规律奠定根基。而后,通过用户研究方法归纳数字阅读中主要的参与行为构成,综合参与行为类型、发掘参与行为影响要素,据此对行为阶段进行细致分析。***,根据阅读体验层次划分体验维度,以此对应根据参与程度深浅划分的用户参与行为类型,形成提升参与行为的数字阅读体验框架来指导输出相应的设计策略。通过对阅读行为感知的研究,我们可以为读者提供更加个性化和定制化的阅读体验。

所谓移动阅读,是通过各种便携式的移动阅读终端,对电子形式的信息内容进行有限下载或无限接受,达到在“移动”中碎片化阅读的目的。[1]阅读载体的便携性、阅读时机的自由性和阅读内容的碎片性成为移动阅读的***特征。在快速兴起的过程中其即读即弃的快餐式阅读形式也饱受争议,学者对此看法不一,或褒或贬。认识和了解不同读者群体对移动阅读的接受程度,研究移动阅读的影响因素,并预测读者移动阅读的持续性和忠诚度对于学界和业界均有重要意义。因此,本研究依据计划行为理论的基本原理与思想,在***调查重庆市民移动阅读现状的基础上,从用户感知价值角度探讨移动阅读的行为意愿,并研究其影响因素,尝试构建一个比较完整而且能预测和解释用户移动阅读行为选择偏好性和持续使用性的理论模型,以期为数字内容提供商、移动服务运营商、终端设备制造商乃至大众阅读推广者的公共图书馆提供战略决策的理论参考和决策依据。阅读行为感知有助于推动阅读研究领域的发展和创新。图书馆阅读行为感知费用
学术积累和 传承要靠高等教育和学者们基于学术史意识的良好引证行为来实现。图书馆阅读行为感知费用
数字阅读行为呈现复合趋势:“读”不再是阅读过程的*****。相较传统阅读情境重点关注“读”的过程,在新媒介的促进下数字阅读过程前后的查询、选择和分享等辅助环节拥有了“多样化的活动方式、高价值的活动内容”[3]。这类环节的**价值因而被放大细化,数字阅读行为的趋势呈现复合化的特征。传播环境从单落点、单形态、单平台的形式向多落点、多形态、多平台[3]的转变,全媒体时代阅读形式不再受到限制,可以更加充分地利用现有技术条件挖掘阅读的价值。总体而言,以数字媒介为载体的阅读行为整体流程被拉长,各行为阶段间的相互作用更为复杂强烈,复合阅读体验给读者带来了对阅读全新的认知。图书馆阅读行为感知费用