检索结果-内蒙古大学图书馆

软件学报 2022年第12期33卷 4838-4850页

作者：章磊敏董建锋包翠竹纪守领王勋浙江工商大学计算机与信息工程学院浙江杭州310014 浙江大学计算机科学与技术学院浙江杭州310027

视频的点击率预估是视频推荐系统中的重要任务之一,推荐系统可以根据点击率的预估调整视频推荐顺序以提升视频推荐的效果.近年来,随着视频数量的爆炸式增长,视频推荐的冷启动问题也变得愈发严重.针对这个问题,提出了一个新的视频点击率... 详细信息

视频的点击率预估是视频推荐系统中的重要任务之一,推荐系统可以根据点击率的预估调整视频推荐顺序以提升视频推荐的效果.近年来,随着视频数量的爆炸式增长,视频推荐的冷启动问题也变得愈发严重.针对这个问题,提出了一个新的视频点击率预估模型,通过使用视频的内容特征以及上下文特征来加强视频点击率预估的效果;同时,通过对冷启动场景的模拟训练和基于近邻的替代方法提升模型应对新视频点击率预估的能力.提出的模型可以同时对旧视频和新视频进行点击率预估.在两个真实的电视剧(Track_1_series)和电影(Track_2_movies)点击率预估数据集上的实验表明:提出的模型可以显著改善对旧视频的点击率预估性能,并在两个数据集上均超过了现有的模型;对于新视频,相比于不考虑冷启动问题的模型只能获得0.57左右的AUC性能,该模型在两个数据集上分别获得0.645和0.615的性能,表现出针对冷启动问题更好的鲁棒性.

关键词：视频推荐点击率预估冷启动问题内容特征上下文特征

来源：评论

学校读者我要写书评

暂无评论

基于类别的推荐——一种解决协同推荐中冷启动问题的方法

引用

计算机研究与发展 2007年第S3期44卷 290-295页

作者：罗喜军王韬丞杜小勇刘红岩何军中国人民大学信息学院北京100872 清华大学经济管理学院北京100084

个性化推荐系统的目标是推荐最合适的资源给最需要的用户,这种推荐多数是基于用户的一些历史行为而做出的.如果有足够的历史记录,协同过滤推荐方法往往比其他推荐方法要好.然而协同过滤方法存在严重的冷启动问题,即当有新的用户、新的... 详细信息

个性化推荐系统的目标是推荐最合适的资源给最需要的用户,这种推荐多数是基于用户的一些历史行为而做出的.如果有足够的历史记录,协同过滤推荐方法往往比其他推荐方法要好.然而协同过滤方法存在严重的冷启动问题,即当有新的用户、新的资源时,协同过滤就无法完成推荐过程.针对冷启动问题,提出了一种新的方法,核心思想是先构造出用户和资源的类别模型,构造出'用户资源对'来标记出用户感兴趣的资源.而对于新的用户,根据其一些重要的属性特征,把他分到对应的用户类别,对于新的资源,利用贝叶斯分类方法,把他分到对应的资源类别模型.实验证明,该方法在一定程度上解决了冷启动问题.

关键词：个性化推荐数字图书馆协同过滤冷启动问题

来源：评论

学校读者我要写书评

暂无评论

推荐系统中用户冷启动问题研究

推荐系统中用户冷启动问题研究

引用

作者：刘坤兰州大学

学位级别：硕士

在数据时代,人们生活在一个信息过载的互联网空间中,面对海量的、重复的、有用的、无用的信息,人们很难从中选择自己感兴趣的东西。为了解决这个问题,学者们提出了推荐系统理论。推荐系统通过分析用户的兴趣爱好和需求,将用户感兴趣的... 详细信息

在数据时代,人们生活在一个信息过载的互联网空间中,面对海量的、重复的、有用的、无用的信息,人们很难从中选择自己感兴趣的东西。为了解决这个问题,学者们提出了推荐系统理论。推荐系统通过分析用户的兴趣爱好和需求,将用户感兴趣的产品、信息或者服务推荐给用户,从而有效地缓解了信息过载问题带来的影响。在推荐系统的研究历程中,协同过滤推荐、基于内容的推荐、基于知识的推荐和混合推荐等理论被相继提出。此外,为了更加有效地解决信息过载问题,学者们还在这些推荐理论的基础上不断创新,将数据挖掘、机器学习、深度学习等方法运用到推荐系统中。推荐系统的研究面临着诸多挑战,其中数据稀疏性、冷启动、大数据处理与增量计算、系统脆弱性是其面临的主要问题。冷启动问题分为非纯冷启动问题和纯冷启动问题,即刚加入系统的用户有较少的产品评价记录甚至没有。面对这些新用户,推荐系统可利用的他们的产品评价信息非常少或是没有,因此准确地给他们推荐产品变得极其困难。由于冷启动问题的不可避免性及其对推荐准确率造成的影响,为此,本文提出了两个新的推荐模型:NPBM和NDBM,分别用于解决非纯冷启动问题和纯冷启动问题。对于非纯冷启动问题,因为冷用户只有较少的产品评价记录,推荐系统很难准确地分析出他们的产品偏好,因此本文提出了结合机器学习方法的NPBM推荐模型用于降低该问题带来的影响。NPBM模型根据用户的产品评价信息准确地找到冷用户的最近邻,然后将这些最近邻用户喜欢的产品推荐给冷用户。对于纯冷启动问题,因为冷用户没有任何产品评价记录,推荐系统无法分析冷用户的产品偏好。为此,本文提出了基于人口统计学理论的NDBM推荐模型用于解决该问题。NDBM模型解决纯冷启动问题的思路是利用用户的人口统计学特征信息准确地找到冷用户的相似用户,然后将这些相似用户喜欢的产品推荐给冷用户。本文在真实的数据集上进行了模拟推荐实验,实验结果显示NPBM和NDBM模型面对冷启动问题仍然具有较高的推荐准确率,它们能有效地缓解冷启动问题带来的影响。

关键词：推荐系统冷启动问题冷用户相似用户机器学习

来源：评论

学校读者我要写书评

暂无评论

软件众包推荐系统的冷启动问题研究

软件众包推荐系统的冷启动问题研究

引用

作者：莫文凯上海交通大学

学位级别：硕士

近年来,软件众包,一种新型的软件开发方式逐渐变得火热。其能充分利用互联网的闲置资源以及因地理原因而无法聚集在一起的优质开发资源,调动人们的集体智慧来协作完成软件开发。作为一类电子商业平台,软件众包平台需要推荐系统支持。对... 详细信息

近年来,软件众包,一种新型的软件开发方式逐渐变得火热。其能充分利用互联网的闲置资源以及因地理原因而无法聚集在一起的优质开发资源,调动人们的集体智慧来协作完成软件开发。作为一类电子商业平台,软件众包平台需要推荐系统支持。对于平台上的任务发布者,如果平台能够将优质的开发者推荐给他们,为他们高效且高质地完成任务,那么任务发布者会更加信任这一平台,进而促使他们发布更多的任务;对于任务的接收者,如果平台能够及时地为他们推荐其能力范围内且感兴趣的任务,为他们带来收益,那么这些用户也会更加积极地投入这一平台进行开发。但是为软件众包平台构建推荐系统并非一件容易的工作。因为区别于传统的推荐系统,软件众包中的任务存在比较短的生命周期,在短的生命周期内,难以实现数据地累积供算法进行学习,故软件众包平台面临严重的冷启动问题。本文着重研究这一问题,提出了一套通用的软件众包平台资源建模方案,并采用深度学习方法解决任务冷启动问题,采用遗传算法解决接包方冷启动问题。本文的主要贡献和创新点包括:(1)本文提出了一套通用的方案为众包平台上的任务以及接包方进行建模以解决不同众包平台上存在的数据异构性问题。建模时,针对众包平台上数据的特性,提出了一种改进TF-IDF的模型,w TF-IDF;同时提出了估算流行度这一概念,为冷启动任务更好地进行流行度建模。(2)对于任务的冷启动问题,本文提出了一种新的基于多模态映射的混合推荐算法base-ME。其能够将建模后得到的接包方向量以及任务向量映射到同一个特征空间下,进而通过计算内积的方式为冷启动任务进行有效推荐。在此算法的基础上,本文结合深度学习技术,进一步提出了deepME算法,支持更多种类的参数输入。(3)对于接包方的冷启动问题,本文提出一种基于主题的流行度抽样算法。算法求解使用了遗传算法,其甚至能为冷启动接包方推荐冷启动任务。最后,为了验证本文所提出算法的有效性,进行了一系列实验。实验一,采用三个软件众包数据集,将本文提出的基于多模态映射的推荐算法base-ME和deep-ME与多种成熟以及新颖的推荐算法进行对比,在为冷启动任务推荐接包方时取得了良好的效果,在准确度和召回率上有约17%的提升。实验二,本文将提出的基于主题的流行度抽样算法与其他经典的用户冷启动解决算法进行对比,在准确度和召回率上有约75%的提升。

关键词：推荐系统深度学习冷启动问题软件众包

来源：评论

学校读者我要写书评

暂无评论

基于推荐系统冷启动问题的算法研究

基于推荐系统冷启动问题的算法研究

引用

作者：汪马玲电子科技大学

学位级别：硕士

随着互联网的快速发展,人们越来越难以在各类信息海洋中快速定位自已所需要的信息,为了帮助用户能更快捷方便的从海量信息中找到自己所需求的信息,推荐系统已经成为关键的一部分了。为用户进行个性化推荐一直是推荐系统研究的热点,但是... 详细信息

随着互联网的快速发展,人们越来越难以在各类信息海洋中快速定位自已所需要的信息,为了帮助用户能更快捷方便的从海量信息中找到自己所需求的信息,推荐系统已经成为关键的一部分了。为用户进行个性化推荐一直是推荐系统研究的热点,但是当面对一个刚进入系统的用户时,系统没有该用户的任何数据,即为“冷启动用户”,此时推荐系统不能进行个性化推荐。用跨域推荐来缓解冷启动问题是目前的研究热点,这一方法为解决冷启动提供了新的研究方向。跨域推荐是利用不同领域的数据,学习领域之间的关系,从而为冷启动用户进行推荐。本文主要是针对用户冷启动问题,在跨域推荐的基础上进行研究,提出基于矩阵三分解的跨域推荐模型。本文的工作内容主要是以下四点:(1)本文首先回顾并总结研究推荐系统中冷启动问题的意义和学者们对推荐系统和对冷启动问题的研究过程,介绍了四种经典的推荐算法,接着阐述了冷启动问题的理论知识,介绍缓解冷启动问题的算法:非个性化推荐、社交网络推荐、标签推荐。虽然这些方法为缓解冷启动问题做出了很大贡献,但是仍然存在很大的问题。就如在跨域推荐中,对域的潜在特征分解时只考虑用户-物品之间的二元关系,忽略了域本身具有的特征。同时在数据集中,两个域的评分矩阵存在与冷启动用户无关的用户,这部分用户对于分解的结果会带来噪声。(2)针对上述问题,本文提出基于矩阵三分解的跨域推荐模型,主要是针对跨域推荐中的潜在特征计算模型进行改进。传统的潜在特征计算模型采用矩阵分解的方法建立用户-物品的二元关系,本文在矩阵分解时,加入域因子,构建用户-域-物品的三元关系。通过矩阵三分解,分解出域潜在特征矩阵,捕获域因子与用户和物品之间的关系。(3)在以往跨域推荐中,对于常用的数据集中包含与冷启动用户无关的用户,本文提出首先对数据集进行筛选,设定阈值,对于不相关的用户进行剔除,从而优化数据集,同时筛选后的数据集维度降低,更有利于实验操作。此外,在潜在特征学习模块,本文采用多层感知机和梯度提升树做为学习模型,实现CDMTF-MLP和CDMTF-GBDT模型。(4)本文在MovieLens-Netflix和Amazon两个真实数据集上进行实验操作,验证基于矩阵三分解的跨域推荐模型的可行性,并与跨域推荐中的重要模型进行对比和分析。实验设定RMSE和MAE做为评价指标,在不同角度对比了两个数据集上的RMSE和MAE值,验证了本文模型的改进方法比较以往传统模型是合理有效并且具有可行性的。此外,针对数据预处理,重叠用户对目标域冷启动用户评级评分预测的准确度影响也进行了实验,并对实验结果进行了可视化展示和分析。

关键词：推荐系统冷启动问题跨域推荐矩阵分解用户相似度

来源：评论

学校读者我要写书评

暂无评论

一种解决文献推荐中冷启动问题方法的设计与实现

一种解决文献推荐中冷启动问题方法的设计与实现

引用

作者：王流斌北京大学

学位级别：硕士

推荐系统采用信息过滤技术为用户推荐可能感兴趣的信息或产品,Amazon、Netflix和Yahoo应用推荐技术分别在图书、电影和音乐的销售上取得了很大的成功。协同过滤和基于内容的推荐是推荐系统中常用的两类方法,在实际中得到广泛的应用。这... 详细信息

推荐系统采用信息过滤技术为用户推荐可能感兴趣的信息或产品,Amazon、Netflix和Yahoo应用推荐技术分别在图书、电影和音乐的销售上取得了很大的成功。协同过滤和基于内容的推荐是推荐系统中常用的两类方法,在实际中得到广泛的应用。这两类方法都面临的冷启动问题:当新的用户或产品进入系统时提供的信息很少,推荐系统缺少数据难以做出可靠的推断和预测。在科技文献推荐中,冷启动问题更为严重,传统方法达不到好的推荐效果。本文分析了科技文献推荐系统中用户的需求和行为模式,解释了冷启动问题突出存在的原因,文章结合用户,文献和标签三类信息采用基于图的推荐模型,在用户和文献的基础上加入标签增加关联关系,存三者组成的信任网络上使用基于运用随机游走算法产生推荐结果,为科技文献推荐中严重存在的冷启动问题提供了一种可行的解决方法。文章的前两部分介绍了推荐系统出现的背景和当前的发展并简要的介绍了常用的推荐技术。第三部分讨论了科技文献推荐中的冷启动问题和科技文献推荐的一般方法。第四部分介绍了本文解决冷启动问题方法的设计与实现。最后对文章做了总结并提出了下一步研究的方向。

关键词：文献推荐系统科技文献冷启动问题随机游走信息过滤

来源：评论

学校读者我要写书评

暂无评论

协同过滤系统的冷启动问题研究

协同过滤系统的冷启动问题研究

引用

作者：朱丽中大连理工大学

学位级别：硕士

推荐系统通过预测用户对项目的喜好程度来为用户进行推荐。协同过滤是个性化推荐系统的一种主要推荐技术。本文主要是研究和解决协同过滤算法中的冷启动推荐问题。所谓冷启动问题是指推荐系统无法为那些评分信息甚少的用户和项目、新用... 详细信息

推荐系统通过预测用户对项目的喜好程度来为用户进行推荐。协同过滤是个性化推荐系统的一种主要推荐技术。本文主要是研究和解决协同过滤算法中的冷启动推荐问题。所谓冷启动问题是指推荐系统无法为那些评分信息甚少的用户和项目、新用户和新项目进行推荐。而冷启动问题是任何投入使用的推荐系统都会面临的挑战,尤其应用协同过滤技术的推荐系统。本文中考虑了冷启动问题中的三种情况：冷启动系统、冷启动用户和冷启动项目。有效地利用项目的内容信息和用户的个人信息是解决冷启动问题的有效方法之一,即将信息过滤和协同过滤相结合的混合推荐技术。本文提出的带偏见的基于特征的回归模型(简称为FRBE)就是一种混合推荐技术,能较好的解决冷启动问题。FRBE是基于用户属性和项目特征建立一个双线性回归模型,并以用户和项目的偏见为基础评分。另外,本文提出的CoTrustWalker算法是一种结合信任推荐和基于项目的协同过滤算法的算法,利用用户的社交网络取代传统的最近邻协同过滤技术中的相似邻居。该算法无需分析用户或项目的属性信息,能在一定程度上解决冷启动问题。经实验分析后,FRBE在稀疏的数据集、新用户和新项目上能较好地进行预测评分。与目前很多推荐系统利用用户从众心理的AVG方法和最热推荐算法相比,在性能上基本占优。而CoTrustWalker算法虽然能为新用户预测评分,但从结果上而言劣于FRBE。

关键词：推荐系统协同过滤冷启动问题

来源：评论

学校读者我要写书评

暂无评论

虚假评论检测的冷启动问题研究

虚假评论检测的冷启动问题研究

引用

作者：爨昊祺南京信息工程大学

学位级别：硕士

在线商品评论为消费者提供重要的决策参考依据,帮助消费者做出更明智的购买决策,已成为影响用户购买决策的关键因素。不良商家为了经济利益发布带有欺骗性的评论信息误导消费者的购买决策,大量的虚假评论严重影响消费者对商品质量的判断... 详细信息

在线商品评论为消费者提供重要的决策参考依据,帮助消费者做出更明智的购买决策,已成为影响用户购买决策的关键因素。不良商家为了经济利益发布带有欺骗性的评论信息误导消费者的购买决策,大量的虚假评论严重影响消费者对商品质量的判断,扰乱着线上消费市场的秩序。虚假评论已经遍布人们的生活但却不被轻易察觉,检测虚假评论,营造干净的在线商品评论环境,对于保护消费者的合法利益、减少消费市场的不正当竞争和维护正常的市场秩序具有重大意义。现实世界存在着大量的新注册用户,由于缺少足够多的评论行为和评论样本数据,检测系统难以构建有效的行为特征,导致识别新注册用户发表的评论出现困难,这被称作虚假评论检测的冷启动问题。由于缺少行为特征,冷启动问题难以克服。冷启动问题下没有及时被检测的虚假评论会带来巨大的利益损害。尽管有一些方法试图构建行为特征,但是它们都存在各自的局限性。基于属性特征的方法要求现实中难以获得的高质量的有标签数据,基于潜在交互行为的方法所建模的行为信息不够有效。在行为数据受限的情况下,如何挖掘其他更有效的特征或是通过交互行为发现有用的特征是目前虚假评论检测冷启动问题的挑战。本文针对虚假评论检测的冷启动问题展开研究,主要的贡献以及创新工作如下:(1)评论文本包含着丰富的语义信息,通过挖掘深层语义特征缓解冷启动场景下的特征缺乏问题。针对虚假评论的文本表征方法在编码深层语义和处理长文本方面的不足,提出了一种改进的基于微调XLNet的虚假评论文本表征方法,利用预训练XLNet编码词的深层语义特征,XLNet强大的建模能力和处理长序列的优势确保了表征方法在挖掘虚假性信息的有效性和健壮性。注意力池化层发现各个词的重要性,根据重要性聚合词信息生成评论文本表征,词的重要性计算能够帮助更好地分析真实评论和虚假评论数据的特点。实验部分,通过高权重词词频对比分析证明了提出方法能有效分析数据集的特点,通过对比基准方法证明了本方法在表征评论文本的良好表现。(2)行为特征缺失是虚假评论冷启动问题产生的根本原因,在评论者、评论和产品构成的图网络中,新注册评论者与虚假评论者存在潜在联系,通过挖掘邻居节点信息和虚假评论者群组信息,构建新注册评论者的行为特征。提出了一种基于信息聚合的冷启动虚假评论检测方法,通过节点级信息聚合和元路径级信息聚合表征评论者节点。节点级信息聚合基于节点注意力机制和路径相似度信息确定各个邻居的重要性,聚合邻居用户的行为信息和产品虚假性信息。元路径级信息聚合基于自优化聚类模块挖掘元路径的虚假评论者群组信息,根据虚假评论者群组信息确定元路径的重要性,聚合节点的元路径表征,构建新注册评论者的行为特征。实验部分,可视化了节点的元路径表征,分析了元路径的结构和语义信息。对比基准方法,多项评价指标的良好表现证明了本方法挖掘的行为特征有效地解决了冷启动问题。

关键词：虚假评论检测冷启动问题文本表征异质图信息聚合

来源：评论

学校读者我要写书评

暂无评论

协同过滤推荐系统中的数据稀疏性及冷启动问题研究

协同过滤推荐系统中的数据稀疏性及冷启动问题研究

引用

作者：李晓菊华东师范大学

学位级别：硕士

推荐系统可根据用户的历史行为,自动挖掘用户的兴趣喜好,从而为用户提供个性化的推荐。协同过滤作为个性化推荐中最成功的算法之一,一直备受研究者的关注并得到了广泛的应用。由于协同过滤算法仅利用用户对商品的评分数据做推荐,存在严... 详细信息

推荐系统可根据用户的历史行为,自动挖掘用户的兴趣喜好,从而为用户提供个性化的推荐。协同过滤作为个性化推荐中最成功的算法之一,一直备受研究者的关注并得到了广泛的应用。由于协同过滤算法仅利用用户对商品的评分数据做推荐,存在严重的数据稀疏性和冷启动问题。但是,我们可以换一个角度出发,通常商品内容信息是能获取到的,并且商品内容中蕴含着商品自身的特征信息。因此,本文将商品内容作为评分数据的一个有益补充,融合到协同过滤中来缓解数据稀疏性和冷启动问题。本文主要的工作和贡献如下:1.针对数据稀疏性问题,本文综合考虑商品内容信息和评分矩阵,提出一个基于竞争循环自编码器(Competitive Recurrent Autoencoder,CRAE)的概率矩阵分解模型(CRAEmf)。CRAEmf可自动提取商品内容的特征表示,并将内容特征与矩阵分解中的隐特征相关联,缓解数据稀疏性问题。CRAEmf在提取商品内容特征表示时,可将商品内容的语义信息和上下文信息考虑在内。此外,我们在模型中加入竞争机制,使CRAEmf可以更有效地提取商品内容中的关键特征,舍弃冗余的信息,进而提升评分预测准确性。在三个取自真实世界的数据集上的实验表明,即使是在数据极度稀疏的情况下,本文算法的评分预测准确性也优于其它融合商品内容的协同推荐算法。2.为解决更极端的商品冷启动问题,本文提出一种商品内容特征到隐特征的映射模型。在矩阵分解模型中,用一个隐特征向量来表示商品,但对于新加入的商品,由于评分数据为空,无法通过矩阵分解模型准确获取到它的隐特征向量。因此本文首先利用CRAE从商品内容中自动生成商品内容特征,然后提出三种从商品内容特征到商品隐特征的映射方式。通过这一层映射,对评分数据为空的冷启动商品,可根据其内容信息获取它的隐特征向量,并将它加入到矩阵分解模型中,从而解决商品冷启动问题。此外,若新商品接收到用户评分,本文提出一个隐特征动态更新算法,其根据用户评分动态更新商品隐特征,实现了新商品到旧商品的平稳过渡,进而提升推荐准确性。最后,在三个真实的数据集上,分别验证了本文算法在处理商品冷启动问题上的有效性。

关键词：协同过滤数据稀疏问题冷启动问题自编码器概率矩阵分解

来源：评论

学校读者我要写书评

暂无评论

基于分类方法的推荐系统冷启动问题研究

基于分类方法的推荐系统冷启动问题研究

引用

作者：张晓彤兰州大学

学位级别：硕士

推荐系统是辅助决策的有效工具,它在用户根据自己的偏好和兴趣选择物品时起作用。推荐系统被用于推荐书籍、电影、歌曲、餐馆、新闻和笑话等个性化应用中。推荐系统的用户冷启动问题在学术界被广泛研究。当推荐中涉及到新用户或新产品时... 详细信息

推荐系统是辅助决策的有效工具,它在用户根据自己的偏好和兴趣选择物品时起作用。推荐系统被用于推荐书籍、电影、歌曲、餐馆、新闻和笑话等个性化应用中。推荐系统的用户冷启动问题在学术界被广泛研究。当推荐中涉及到新用户或新产品时,就存在冷启动问题。当需要给新用户推荐产品时,系统中找不到关于他们的偏好的信息。本文中,我们通过分析归纳现有协同过滤冷启动问题解决方法,将它们分为三类,分别在协同过滤的确定相似邻居,相似性计算和产生预测评分三个阶段,对传统方法进行改进。据此,我们提出一个解决冷启动问题的模型,通过三个步骤得到新用户对物品的预测评分首先,结合考虑人口统计数据并基于相似性计算技术,寻找新用户的邻居。其中把和新用户具有相似特征的用户定义为邻居。这么做的思想是具有相同背景和相似特征的人有更大的可能具有相似的爱好。在这一步骤中,我们使用著名的分类算法,将现有用户分类。然后,每个新用户被划分到一个组中,并据此通过一个评分预测机制得到新用户对物品的评分。最后的评分计算使用一种权重模式,这样开发者能关注某个特定的属性或者选择一种更公平的方式。最后通过实验展示了所提出技术的性能,其中使用由Grouplens研究组提供的数据集。本文提出的技术在系统中具有大量注册用户时表现更好,在这种情况下,系统具有更小的MAE,从而增加了评分预测准确性。

关键词：推荐算法冷启动问题朴素贝叶斯 C4.5决策树算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：