检索结果-内蒙古大学图书馆

计算机应用 2009年第6期29卷 1590-1593页

作者：郁雪李敏强天津大学管理学院天津300072

目前协同过滤技术已经被成功运用到各种推荐系统中,但是随着资源种类的不断膨胀与用户日益的增加,用来评判的数据矩阵越来越稀疏,严重影响了推荐质量。为此设计了一种混合新算法,对基于项目的协同过滤算法提出两个改进方法:首先根据网... 详细信息

目前协同过滤技术已经被成功运用到各种推荐系统中,但是随着资源种类的不断膨胀与用户日益的增加,用来评判的数据矩阵越来越稀疏,严重影响了推荐质量。为此设计了一种混合新算法,对基于项目的协同过滤算法提出两个改进方法:首先根据网站的层次结构信息改进了传统的相似度计算方法;其次增加了预测缺失兴趣值的算法,使用户的交叉兴趣点增多,有效缓解了稀疏性的问题。实验结果证明了新算法具有较高的推荐精度,能够找到用户潜在的兴趣页面。

关键词：推荐系统协同过滤数据预测数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

一种缓解互惠推荐系统中数据稀疏性的算法

引用

济南大学学报（自然科学版） 2017年第1期31卷 48-54页

作者：殷方勇王红王吉华山东师范大学信息科学与工程学院山东济南250014 山东师范大学山东省分布式计算机软件新技术重点实验室山东济南250014

为解决以在线交友为代表的互惠推荐系统中数据稀疏性问题,根据LMa Fit算法提出一种改进评分矩阵的互惠推荐算法,该算法改进了传统评分矩阵填充的单向性与融合相似度计算。结果表明,与基于项目的协同过滤推荐算法和基于内容和协同过滤的... 详细信息

为解决以在线交友为代表的互惠推荐系统中数据稀疏性问题,根据LMa Fit算法提出一种改进评分矩阵的互惠推荐算法,该算法改进了传统评分矩阵填充的单向性与融合相似度计算。结果表明,与基于项目的协同过滤推荐算法和基于内容和协同过滤的混合算法相比,改进评分矩阵的互惠推荐算法在准确率、召回率和调和平均数值方面有明显改进,该算法不仅改善了数据稀疏性的问题,而且推荐质量也明显优于其他算法。

关键词：数据稀疏性互惠推荐矩阵填充融合相似度

来源：评论

学校读者我要写书评

暂无评论

基于数据稀疏性的协同过滤推荐算法研究

基于数据稀疏性的协同过滤推荐算法研究

引用

作者：邓晓亮重庆邮电大学

学位级别：硕士

电子商务规模的不断扩大以及个性化推荐系统在电子商务中的广泛应用，使得推荐系统成为一个非常活跃的研究领域。其中，协同过滤推荐是运用最成功的推荐技术之一。它依据目标用户的邻居用户对该用户进行推荐，但是，用户评分数据的极端... 详细信息

电子商务规模的不断扩大以及个性化推荐系统在电子商务中的广泛应用，使得推荐系统成为一个非常活跃的研究领域。其中，协同过滤推荐是运用最成功的推荐技术之一。它依据目标用户的邻居用户对该用户进行推荐，但是，用户评分数据的极端稀疏性降低了用户之间相似度的计算精度，进而影响了用户最近邻居集的形成，这严重影响了系统的推荐质量。为了缓解数据稀疏性问题对系统推荐质量的影响，本文主要做了以下工作:\n (1)为了解决传统方法在用户-项目评分矩阵上不能准确计算用户之间相似度的问题，本文对相似度计算方法进行了改进，提出了基于用户兴趣特征和项目类别的协同过滤推荐算法。其中，用户对某一项目类别的兴趣是通过用户对属于该项目类别项目的评价次数来衡量的。算法首先在用户-项目类别评分矩阵上计算用户之间的评分相似度;然后在用户-项目兴趣矩阵上计算用户之间的兴趣相似度，而且在计算用户兴趣相似度时考虑到了用户的年龄因素;最后将评分相似度和兴趣相似度进行加权融合作为用户间的最终相似度对用户进行推荐。\n (2)用户之间的相似度不仅与他们的直接评分信息有关，还与他们的间接评分信息有关。为了解决传统方法在计算用户相似度时只考虑了用户的直接评分信息而忽略了用户的间接评分信息的问题。本文又提出了基于间接相似度和项目类别的协同过滤推荐算法。算法首先基于直接评分信息计算用户之间的直接相似度;然后基于间接评分信息计算用户之间的间接相似度;最后将直接相似度和间接相似度进行加权融合作为用户间的最终相似度对用户进行推荐。\n (3)在Movielens数据集上将本文提出的两种协同过滤推荐算法与传统的协同过滤推荐算法进行对比实验，验证本文提出的算法的有效性。

关键词：协同过滤数据稀疏性项目类别兴趣特征间接相似度推荐算法电子商务

来源：评论

学校读者我要写书评

暂无评论

考虑数据稀疏性的图书推荐协同过滤算法仿真

引用

计算机仿真 2024年第4期41卷 470-474页

作者：贾丽坤赵亚丽黄晓英肖丹河北建筑工程学院河北张家口075000 清华大学电子工程系北京100084

图书推荐算法易忽略数据稀疏性问题,导致推荐结果与用户感兴趣内容之间存在较大的偏差。在考虑数据稀疏性的基础上提出一种图书推荐协同过滤算法,对数据预处理,通过对用户和用户之间综合信任度分析,利用分布估计算法对用户兴趣建模;构... 详细信息

图书推荐算法易忽略数据稀疏性问题,导致推荐结果与用户感兴趣内容之间存在较大的偏差。在考虑数据稀疏性的基础上提出一种图书推荐协同过滤算法,对数据预处理,通过对用户和用户之间综合信任度分析,利用分布估计算法对用户兴趣建模;构建用户兴趣簇类集,划分用户兴趣,从中选择出与检索对象最接近的邻居;计算邻近项目得分,按照从大到小的顺序排列,排名靠前的资源项即为图书推荐结果。实验结果表明,所提方法在推荐500本图书时,用时在12s内,且降低了平均绝对误差和均方根误差,实现了最精准的图书推荐。

关键词：数据稀疏性图书推荐协同过滤算法用户兴趣模型综合信任度

来源：评论

学校读者我要写书评

暂无评论

面向稀疏性数据的协同过滤推荐算法的研究与实现

面向稀疏性数据的协同过滤推荐算法的研究与实现

引用

作者：席超北京邮电大学

学位级别：硕士

基于协同过滤的推荐系统是解决信息过载问题的一种很好的方案,而且能够提供一对一的个性化服务。但是基于协同过滤的推荐算法同样也而临着一系列的瓶颈问题,其中对于协同过滤算法的性能影响最大的因素之一是数据稀疏性问题。推荐系统中... 详细信息

基于协同过滤的推荐系统是解决信息过载问题的一种很好的方案,而且能够提供一对一的个性化服务。但是基于协同过滤的推荐算法同样也而临着一系列的瓶颈问题,其中对于协同过滤算法的性能影响最大的因素之一是数据稀疏性问题。推荐系统中存在大量的项目,而每个用户只对其中很少一部分项目进行了评分,从而导致评分数据的稀疏,而由于评分数据的稀疏给最近邻居的准确选取增加了难度,从而导致推荐的不准确。本文针对现有推荐系统中的数据稀疏性问题进行深入研究,主要工作如下： 1、从相似度计算的角度出发,分析传统相似性度量方法存在的弊端,根据主体(用户或者项目)问的共同评分项数确立目标主体与其他主体之间的邻居等级,并在邻居等级的基础上改进相似度计算方法,使相似性的度量能够更加的准确,继而提出基于改进余弦相似性的协同过滤算法。实验结果表面,该算法能够有效提高推荐的准确度。 2、从缓解稀疏评分矩阵的角度出发,分析数据稀疏性产生的原因,并提出了基于项目与众数法空缺评分填补的协同过滤推荐算法,该算法在进行目标用户最近邻居选取之前,先对原始的数据集进行空缺评分填补的预处理,以降低数据集的稀疏性。空缺评分填补以原始数据集作为基础,先使用改进的余弦相似性度量方法计算项目之间的相似度,再根据项目的相似度对原始数据集进行众数法评分填补,缓解评分数据的稀疏性。在填补后的评分矩阵上同样采用改进的余弦相似性度量方法来计算用户之间的相似度,提高用户相似度的准确性,最后,以此相似度选取用户的最近邻居。实验结果表明,该算法可以在一定程度上有效的改善因数据稀疏性而带来的最近邻搜寻不准确的问题,提高推荐系统的准确度。 3、分析推荐系统冷启动问题所产生的原因,提出基于评分众数的协同过滤推荐系统中冷启动问题解决方法,该方法采用不同的评分众数选取方法来解决新用户和新项目问题。实验结果表明,该方法能在一定程度上解决冷启动问题。

关键词：协同过滤数据稀疏性空缺评分填补评分众数

来源：评论

学校读者我要写书评

暂无评论

面向稀疏性数据的协同过滤推荐算法的研究

面向稀疏性数据的协同过滤推荐算法的研究

引用

作者：云祥富吉林大学

学位级别：硕士

随着互联网和电子商务的迅速发展,网络上的信息迅速膨胀,出现了“信息过载”现象。个性化推荐技术能够帮助用户快速、准确地从杂乱无章的信息找到用户所需的信息,一定程度上缓解了“信息过载”问题。作为当前应用最广泛的个性化推荐技... 详细信息

随着互联网和电子商务的迅速发展,网络上的信息迅速膨胀,出现了“信息过载”现象。个性化推荐技术能够帮助用户快速、准确地从杂乱无章的信息找到用户所需的信息,一定程度上缓解了“信息过载”问题。作为当前应用最广泛的个性化推荐技术之一,协同过滤技术在现实应用中已经获得了相当大的成功,但是由于现实的数据往往都十分稀疏,导致了协同过滤技术出现数据稀疏性问题。冷启动问题可以看作是数据稀疏性问题的极端情况,本文将其视为数据稀疏性问题研究。数据稀疏性问题严重影响了协同过滤推荐算法的推荐质量。引起数据稀疏性问题是由于推荐系统中的用户数量和项目数量越来越多,用户对项目的评分数量又很少,这样用户评分矩阵必然很稀疏,而协同过滤算法又非常依赖用户评分矩阵。为了解决数据稀疏性问题,研究人员针对用户评分矩阵提出了许多方法,主要分两大类:第一类对评分矩阵进行填充,降低其稀疏程度;第二类是对评分矩阵进行分解,删除对计算相似度影响不大的用户和项目,降低评分矩阵维度。在第二类方法中,选择删除的信息很可能会含有用户的有用信息,影响推荐质量,所以本文选择在第一类方法的基础上解决推荐系统里的数据稀疏性问题。具体工作如下:1)针对用户冷启动问题,提出了融合用户特征和项目关系的协同过滤算法(User-Item-Mix CF)。传统的协同过滤算法在计算用户间相似性时,没有考虑项目之间的关系,这样会导致计算出的用户相似性不准确。基于该问题本文提出一种融合项目关系的用户间相似性计算方法(Item-Based User Sim),旨在提高用户间相似性计算的准确性;其后,在改进的用户间相似性算法的基础上,在计算用户相似性时,加入了用户特征属性,并通过动态平衡权值?将其与项目之间的关系融合,提出User-Item-Mix CF算法。最后,在Movie Lens数据集上,将User-Item-Mix CF算法与众数法进行对比实验,实验结果表明:在选取不同的新用户个数时,User-Item-Mix CF算法的平均绝对误差(MAE)值均小于众数法。2)针对数据稀疏性问题,提出了基于用户评分预测的协同过滤算法(User-SP CF)。该算法在计算项目之间相似性时,利用Item-Based User Sim算法计算用户间的相似性,并将计算得到的用户间相似性值填充到评分矩阵中未评分的项,降低矩阵稀疏性;在填充得到的评分矩阵中,寻找目标项目的最近邻居集,完成推荐。最后在Movie Lens数据集上,将User-SP CF算法同基于项目评分预测的协同过滤算法和基于项目的协同过滤算法进行对比实验,实验结果表明:在选取不同邻居个数时,User-SP CF算法的平均绝对误差(MAE)值均小于另外两种算法。

关键词：推荐系统数据稀疏性协同过滤用户相似性用户评分预测

来源：评论

学校读者我要写书评

暂无评论

引入集群效应的跨领域推荐新方法

引用

中国科学院大学学报(中英文) 2025年第2期42卷 153-158页

作者：翟浩然张三国中国科学院大学数学科学学院北京100049

近年来,推荐系统在网络平台上得到了广泛的应用,它可以从巨量的数据中提取有用的信息,并根据用户的喜好向用户推荐合适的项目。基于此,提出一种利用相似用户对不同项目的评分数据作为源域对目标域的跨领域推荐表现方法,在研究的目标域... 详细信息

近年来,推荐系统在网络平台上得到了广泛的应用,它可以从巨量的数据中提取有用的信息,并根据用户的喜好向用户推荐合适的项目。基于此,提出一种利用相似用户对不同项目的评分数据作为源域对目标域的跨领域推荐表现方法,在研究的目标域中引入项目集群效应,提取与某个项目相关的具有相似特征的信息。该方法可有效解决数据稀疏性的问题,由于目标域的稀疏性,目标域的测试集中多数项目是拥有很少评分的,它们的信息难以从训练集中获得。所提模型的一个优点是,能够通过基于每个用户对项目的评分和缺失情况相关的变量的聚类,将来自缺失机制和特定项目集群特征的信息结合起来。MovieLens数据分析表明,与现有推荐方法和跨领域推荐方法相比,所提出的引入集群效应跨领域推荐新方法在预测精度上有着有效的提升。

关键词：跨领域推荐奇异值分解算法集群效应数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

协同过滤算法中的数据稀疏性问题研究

协同过滤算法中的数据稀疏性问题研究

引用

作者：陈超超浙江大学

学位级别：博士

随着信息技术的发展，大量信息充斥着各类互联网平台，如电子商务平台，社交网络平台和在线教育平台等。而人们精力有限，只能处理非常有限的信息，这就是信息过载问题。为解决这一问题，推荐系统应运而生。推荐系统能够根据用户在各平... 详细信息

随着信息技术的发展，大量信息充斥着各类互联网平台，如电子商务平台，社交网络平台和在线教育平台等。而人们精力有限，只能处理非常有限的信息，这就是信息过载问题。为解决这一问题，推荐系统应运而生。推荐系统能够根据用户在各平台上已有的行为历史，挖掘出用户的潜在偏好，从而向其推荐相应的物品。协同过滤是目前最为流行的推荐算法之一，它已被工业界广泛应用，并且在研究领域也颇受重视。协同过滤算法的主要出发点是“协同”，即根据已有的用户—物品交互历史，利用众人或众物品的集合智慧进行推荐。\n 数据稀疏性问题是协同过滤技术所面临的最为严峻的难题之一，它是指已有的用户—物品交互历史占所有用户—物品的比例非常少，因此不能很好的学习到用户和物品的特征，从而大大降低了推荐系统性能。现有的系统主要通过利用一些额外信息，如用户社交信息、物品内容信息和上下文信息，来更好的学习用户和物品特征。然而，现有的方法一方面，没有综合利用所有信息来全面的学习用户和物品特征;另一方面，没有充分挖掘各类信息所蕴含的价值，因此，他们的推荐性能受到了限制。再者，现有方法主要利用额外信息来缓解数据稀疏性问题，在额外信息也非常稀疏的情况下时效果不佳。因此，需要创新的思路和方法来解决这一问题。此外，标签系统近年来发展迅速，很多平台上都添加了标签功能。标签系统中的特殊信息（即标签）可以用于缓解其上的数据稀疏性问题，从而提升推荐性能。然而，现有的大多方法忽略了平台的特殊性，它们利用一般性的方法处理特殊平台上的数据稀疏性问题效果也不理想。文本提出了若干方法来更好的解决数据稀疏性问题及现有研究所存在的问题。论文的主要工作和贡献概括如下:\n 为了综合利用所有信息并充分挖掘各类信息所蕴含的价值来全面的学习用户和物品特征，提出了一个上下文感知的协同主题回归及社交矩阵分解模型。首先，基于上下文信息使用聚类方法对用户—物品进行聚类，使得每个子类中的用户—物品有相似的上下文。然后，提出了一个新颖的分层贝叶斯模型，去对每个子类中的未知评分进行预测。我们的方法利用社交矩阵分解去处理评分和用户社交信息，利用主题模型的方法去挖掘物品内容中所蕴含的语义信息。接着，在Epinions数据集中与目前最好的六类方法做对比，实验说明我们的方法具有更好的准确率和召回率。最后，通过实验研究四种不同类别的信息对推荐性能的影响。\n 为了解决现有方法在额外信息也很稀疏的情况下推荐性能不佳的问题，提出了一个半监督学习与协同过滤算法结合的框架，即链图模型。所提出的链图模型是一个贝叶斯网络和一个马尔科夫随机场的结合。用贝叶斯网络来模拟评分的生成和回归，用马尔科夫随机场来模拟基于评分置信度的评分平滑特点。因此，我们的模型能将贝叶斯网络和马尔科夫随机场有机的结合起来，从而具有他们两个的共同优点，即同时模拟评分的生成、回归和平滑。最后，为了测试模型的有效性，将提出的模型应用于两类主流的潜在因素模型中，并在三个流行的数据集上做了对比实验。实验结果表明，我们的模型跟现有的模型相比在四个评价准则方面都有显著提升，特别是在数据稀疏性场景下。\n 为了解决标签系统上的数据稀疏性问题，提出了一个能够捕捉标签系统中用户—物品之间语义关联信息的推荐模型。我们的模型首先使用主题模型的方法来挖掘蕴含在标签之中的每个用户和物品的语义信息，然后把每个用户和物品的语义信息与矩阵分解模型结合，最后使用标签的隐式偏好信息来将用户和物品的语义信息关联起来。因此，我们的模型能够捕捉到用户和物品之间的语义关联信息，并能够极大的提升推荐系统的性能，特别是在“无共同评论的数据稀疏性”场景下。最后，在两个非常流行的数据集上做了对比实验，实验结果表明，我们的方法在准确率和召回率方面能够极大的提升已有的推荐系统的性能。

关键词：推荐系统协同过滤数据稀疏性社交矩阵分解

来源：评论

学校读者我要写书评

暂无评论

SNS背景下基于相似度融合的电子商务推荐系统数据稀疏性问题研究

SNS背景下基于相似度融合的电子商务推荐系统数据稀疏性问题研究

引用

作者：张丽君中国科学技术大学

学位级别：硕士

随着电子商务网站的发展壮大,如何快速搜索顾客需要的产品信息成为一个难题,由于推荐系统可以将信息主动推送给顾客,所以推荐系统在电子商务网站的成功应用促进了电子商务的进一步发展。关于推荐系统的学术研究一直是数据挖掘领域的一... 详细信息

随着电子商务网站的发展壮大,如何快速搜索顾客需要的产品信息成为一个难题,由于推荐系统可以将信息主动推送给顾客,所以推荐系统在电子商务网站的成功应用促进了电子商务的进一步发展。关于推荐系统的学术研究一直是数据挖掘领域的一个热点,并产生了很多研究成果形成有效的推荐算法,像基于内容的推荐、协同过滤推荐、基于规则的推荐、基于人口统计信息的推荐、基于效用的推荐、基于知识的推荐和混合推荐,这些方法各有千秋,其中要属协同过滤推荐的应用最为成功,并且关于这一推荐算法的研究也是最多的。但是随着电子商务的迅猛发展,协同过滤推荐系统也面临着一些难以避免的瓶颈问题,包括数据稀疏性问题、冷启动问题、规模性问题、推荐实时性问题和隐私安全性问题,而冷启动问题事实上就是数据稀疏性问题的升级,当系统刚刚上线使用时都会面临冷启动问题,所以数据稀疏性问题是协同过滤推荐系统的一个研究热点。\n 本文也是针对协同过滤推荐系统的数据稀疏性问题提出了一个改进算法,即基于Rating和Tag相似度融合的协同过滤推荐(简记为CFSFRT)。随着Web2.0时代的到来,社交网站也如火如荼的发展起来,标签Tag的成功应用正是源于美味书签网站***的迅速发展。本研究正是以社交网站作为研究背景,利用可收集的标签Tag信息作为补充,降低数据稀疏性的影响,提高推荐的质量。\n CFSFRT算法首先对收集的标签Tag进行去噪预处理,得到热门标签集合,然后再根据改进的词根还原算法进行标签聚类处理,得到聚类的标签集合。然后根据传统协同过推荐算法计算用户之间基于Rating信息的相似度,然后再利用Tag信息计算用户与标签之间的相关度并建立用户-标签相关度矩阵,并据此计算用户之间基于Tag信息的相似度,再将这两种相似度融合得到综合相似度,最后根据这个综合相似度进行协同过滤推荐。文章最后给出了具体的实验设计,并以MAE作为评价标准,实验结果证明了CFSFRT算法能有效提高推荐的精度。

关键词：社会性网络服务电子商务推荐系统协同过滤推荐数据稀疏性相似度融合

来源：评论

学校读者我要写书评

暂无评论

协同过滤推荐算法数据稀疏性问题的研究

协同过滤推荐算法数据稀疏性问题的研究

引用

作者：林建辉福建师范大学

学位级别：硕士

随着信息技术的不断发展,大数据的步伐悄然而至,伴随而来的信息过载问题对于互联网络时代来说无疑是一种巨大的时间和资源上的浪费,个性化推荐算法的出现有效地解决了这个问题,为人们的选择提供极大的便利。协同过滤推荐算法简单、容易... 详细信息

随着信息技术的不断发展,大数据的步伐悄然而至,伴随而来的信息过载问题对于互联网络时代来说无疑是一种巨大的时间和资源上的浪费,个性化推荐算法的出现有效地解决了这个问题,为人们的选择提供极大的便利。协同过滤推荐算法简单、容易实现、推荐的新颖性等特点也让其成为众多个性化推荐算法中最为成功的一项技术。然而,同样存在着困扰该算法的难题——数据集的稀疏性问题,即当用户与项目的数量远远超过用户对项目浏览、购买、评价等这些属性指标的数量时,便导致了该难题的出现。这不仅使得协同过滤推荐算法的近邻搜索准确性低下,而且也因最近邻对项目的属性指标操作过少造成最终预测的偏差,对整个推荐系统的推荐质量和推荐准确性产生了重要影响。本文研究了数据稀疏性问题对协同过滤推荐算法造成的影响,并针对这个问题着重研究了以下几个解决方案:首先,提出了一种基于奇异值分解(SVD)与模糊聚类的协同过滤推荐算法,通过引用物理学上狭义相对论中能量守恒的方法以保留总体特征值的数目,从而较为准确地确定了降维的维度,实现对原始数据的降维及其数据填充。另外,运用模糊聚类的方法对相似用户进行聚类,从而达到减少邻居用户搜索范围的目的。在MovieLens和百度电影数据集上与其它算法的对比实验结果表明,该算法能够提高整个推荐系统的推荐质量和准确性。其次,我们由用户对项目的操作数据构思出一种新的用户之间的交互信任关系,并将其与用户的评分相似性相结合,提出了一种融合信任用户的协同过滤推荐算法。利用有向网络图构建的用户之间对项目的操作交互信任关系,弥补了仅仅依靠计算用户间相似性不能准确衡量用户之间关系的缺陷。与其它算法的对比实验结果表明,该算法能够提高推荐系统的推荐质量和准确性。最后,在前两个方案的基础上,提出一种提高可信度的协同过滤推荐算法。通过奇异值分解(SVD)方法降维得到用户间关系、利用用户之间对项目的操作得到用户间信任关系,结合两者提出一种近邻用户级的选取方法,以此提高邻居选择的可信度,并进一步通过项目本身价值与用户的主观预测提高最终预测评分的可信度。实验结果表明,该算法能够提高推荐系统的推荐质量、推荐准确度和可信度。

关键词：个性化推荐协同过滤数据稀疏性奇异值分解信任关系可信度

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：