由天津师范大学大数据科学研究院王曰芬教授、范丽鹏等撰写的论文《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。

文章旨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。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种推荐算法及流程，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，并选用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。该文章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。