摘要
由于现有检索系统的查准率差强人意，我们希望能够挖掘到更多有用的用户数据，以更好地满足用户需求。对于文献检索系统，一个作者所处领域往往与其以往发表论文相关，作者的合作者，发表所在期刊，会议部分程度上也反映了该作者的兴趣取向；与此同时，一个领域专家查询文献时往往希望返回的结果与自己以前的工作内容相关，比如搜索本体时，计算机领域的研究者当然希望返回本体模型，本体匹配，本体相似度等一系列的文献，而哲学领域的研究者也许需要的则是康德的本体论，这样来看，如果我们挖掘到用户的兴趣则能返回更加相关的结果。
NETL
NSTL
万方数据