检索结果-内蒙古大学图书馆

作者：郑晖河北大学

学位级别：硕士

推荐系统是解决信息过载问题的重要手段,然而,传统的协同过滤方法只根据用户-物品的交互行为做推荐,也就是用户与物品之间的显示关联,而忽略了用户与物品本身的特性。推荐系统中除了用户与物品的关联信息可以发现用户的显式兴趣特征,那... 详细信息

推荐系统是解决信息过载问题的重要手段,然而,传统的协同过滤方法只根据用户-物品的交互行为做推荐,也就是用户与物品之间的显示关联,而忽略了用户与物品本身的特性。推荐系统中除了用户与物品的关联信息可以发现用户的显式兴趣特征,那些包含了大量的语义信息的用户以及物品的描述信息也可以展示用户的隐式兴趣特征。近些年,随着深度神经网络的发展,对各种数据的处理有了长足的进步,给基于多模态数据的混合推荐提供了有效的工具。图是一种非常强大且复杂的工具,计算机所处理的绝大部分数据都可以抽象为图结构。在推荐系统中用户-物品的关联也可以用这种结构来描述。传统的基于这种二维平面结构数据进行的用户兴趣挖掘,很难发现用户多样的、潜在的兴趣,同时也很难解释推荐的合理性以及推荐的目的和理由。然而,基于图结构数据的用户兴趣挖掘与推荐方法能够推断出图中的各种隐藏知识与关联关系,可以很自然的解决上述问题。本文将空域图卷积神经网络与胶囊网络相结合,实现了基于图卷积网络与胶囊网络的混合推荐模型。该模型充分利用空域图卷积神经网络对图邻域结构聚合特性,对用户/物品结点及其邻域结点(即:图结构的拓扑结构)进行卷积操作,有效的聚合了结点的K阶邻域结构信息,同时利用用户对物品的评分信息,以及用户与物品的辅助信息(Side Information)挖掘用户的潜在的兴趣点,并使用LSTM自编码器模型将用户的局部兴趣传播路径聚合为该用户的Embedding向量,完成用户兴趣的初步抽象特征提取。然而,LSTM编码器生成的固定长度的Embedding向量很难表征用户的多兴趣特征,而且,使用一维的特征向量很难表征用户的兴趣的多维性等特征。因此,本文利用胶囊网络可以提取部件在全局信息中的多种特征的能力解决此问题。首先,根据用户-物品的访问信息,将用户的Embedding兴趣向量与物品的Embedding内容向量相结合,组合为一个兴趣点;然后,将用户抽样兴趣路径上的所有兴趣点按访问时间顺序排列,组合为初始胶囊,并输入胶囊网络进行用户多兴趣发现,最终形成用户的二维兴趣矩阵(每一行代表一类兴趣)。为了完成最终的用户-物品权重预测,本文将用户的多兴趣特征矩阵与物品多主题特征矩阵相乘,相乘后的矩阵表示用户对此物品的兴趣图,将用户的所有兴趣图组合为用户的兴趣立方体,并使用空间注意力机制完成用户主要兴趣的筛选。最后,利用用户兴趣立方体完成用户-物品边权重的预测工作。本文提出的混合模型可以有效的结合交互关联与内容相似度对推荐进行解释。同时,在这种复杂的超图结构中利用结点属性和连接关系完成基于兴趣路径的推理与聚合,不仅可以提高推荐效率同时可以增加用户的信任度和满意度。本文完成的工作如下:(1)根据用户物品的访问信息,构造用户-物品带权有向二部图,结合结点本身的内容信息、结点之间的访问信息计算用户访问物品的权重(边权重),设计各种结点特征的表示方式;(2)融合路径推理与局部兴趣传播,并利用图卷积与LSTM完成结点特征聚合,实现可解释的推荐任务;(3)利用Attention机制与胶囊网络实现了用户兴趣的多样性与多模态数据的特征相融合;(4)利用用户结点与物品结点的特征向量,设计了可以反映用户多兴趣的二维平面兴趣表示。(5)最终提出了基于图卷积网络与胶囊网络的混合推荐模型。在来自真实系统数据集上的实验结果表明,所提出的方法可以对推荐可解释性问题起到缓解作用,并且对推荐系统性能有着一定的提升作用。

关键词： LSTM自编码器图卷积网络胶囊网络混合推荐模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于最小二乘法的混合推荐模型研究

引用

现代电子技术 2022年第17期45卷 123-128页

作者：钟志峰周冬平张艳夏一帆湖北大学计算机与信息工程学院湖北武汉430062

针对单一推荐模型在电影推荐过程中无法同时利用推荐系统中的隐式信息和显式信息所导致的推荐不准确以及冷启动等问题,提出了一种基于最小二乘法的混合推荐模型。该模型首先通过基于内容的推荐算法和协同过滤推荐算法分别进行单一模型... 详细信息

针对单一推荐模型在电影推荐过程中无法同时利用推荐系统中的隐式信息和显式信息所导致的推荐不准确以及冷启动等问题,提出了一种基于最小二乘法的混合推荐模型。该模型首先通过基于内容的推荐算法和协同过滤推荐算法分别进行单一模型的推荐,然后对单一推荐模型所产生的推荐结果动态地调整权重进行数据拟合,再将所产生的拟合数据进行最小二乘运算,减小整体预测误差,从而得到最终的推荐结果。最后使用MovieLens 100k和MovieLens 1M这两种公开的电影数据集对该模型进行验证并与其他几种模型进行比较。实验结果表明,所提出的基于最小二乘法的混合推荐模型在精确率、召回率和F值等评价指标上都优于目前几种传统的推荐模型,所造成的预测误差相较于目前几种传统推荐模型也更小。

关键词：混合推荐模型协同过滤推荐冷启动最小二乘法相对误差预测误差推荐算法数据拟合

来源：评论

学校读者我要写书评

暂无评论

基于DE蝙蝠算法的混合推荐模型设计

引用

计算机与数字工程 2022年第7期50卷 1439-1443页

作者：何昌隆文斌成都信息工程大学通信工程学院成都610225

针对单一推荐算法的精度不足以及数据稀疏问题,普通加权混合推荐模型权值难以收敛到全局最优的问题,提出了一种基于差分进化蝙蝠算法构建的多元加权混合推荐模型(DEBA-Hybrid Recommendation Model)。该模型通过差分进化蝙蝠算法优秀的... 详细信息

针对单一推荐算法的精度不足以及数据稀疏问题,普通加权混合推荐模型权值难以收敛到全局最优的问题,提出了一种基于差分进化蝙蝠算法构建的多元加权混合推荐模型(DEBA-Hybrid Recommendation Model)。该模型通过差分进化蝙蝠算法优秀的全局寻优能力来寻找到适当的权值,对多种主流的推荐算法进行加权融合,以生成最终的用户评分预测矩阵进行物品推荐。使用RMSE和MAE指标在Movielens公开数据集上进行模型评估,结果表明该模型对比单一推荐算法和传统的加权混合推荐模型在推荐效果上有明显提升,具有实际意义。

关键词：混合推荐模型蝙蝠算法差分进化推荐算法协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于隐语义模型的混合推荐模型研究

基于隐语义模型的混合推荐模型研究

引用

作者：陈博文兰州大学

学位级别：硕士

目的——在推荐系统的研究中,提升预测准确度、降低数据稀疏性的问题,一直都是该领域内的研究热点。隐语义推荐模型中的迭代寻优和矩阵分解降低了数据的稀疏性。其在迭代寻优过程中的随机梯度下降法在进行迭代寻取最优解时,相对于批量... 详细信息

目的——在推荐系统的研究中,提升预测准确度、降低数据稀疏性的问题,一直都是该领域内的研究热点。隐语义推荐模型中的迭代寻优和矩阵分解降低了数据的稀疏性。其在迭代寻优过程中的随机梯度下降法在进行迭代寻取最优解时,相对于批量梯度下降法在效率方面有显著的提升。但在面对大数据量时,随机梯度下降法的噪声分析和收敛性比小样本梯度下降法差。在对比随机梯度下降法和小样本梯度下降法后,提出在隐语义模型中使用小样本梯度下降法代替随机梯度下降法。在提升预测准确度上,混合推荐模型的预测准确度普遍优于单个推荐模型的预测准确度。提出将基于邻域的推荐模型和使用小样本梯度下降法的隐语义模型进行混合,混合后的模型为KLFM混合推荐模型。混合方法为三种基于线性权重分配的融合策略:等权重融合法、有效权重融合法、鸟类觅食算法与权重寻优相结合的PSO寻优权重融合法。方法——在噪声分析和收敛性上,将传统隐语义推荐模型中的随机梯度下降法与小样本梯度下降法进行比对。为提升预测准确度,本文提出等权重融合法、有效权重融合法、PSO寻优权重融合法。用以上三种融合策略将使用小样本梯度下降法的隐语义模型和基于邻域的推荐算法进行混合,并通过其与单一推荐模型在MAE、MAPE、RSME三种预测准确度评价指标上进行比对实验,从而来衡量混合推荐模型KLFM的预测准确度。研究结果——在大数据量情况下,小样本梯度下降法相比于随机梯度下降法在噪声分析图中震荡性较低,迭代过程相对稳定,且易于判定其是否收敛。根据实验数据可以分析出:混合推荐模型KLFM在MAE、MAPE、RSME三种预测准确度评价指标上均优于单一推荐模型。在三种基于线性权重组合方式的融合策略中,使用PSO寻优权重融合法的KLFM混合推荐模型在MAE、MAPE、RSME三种指标上优于使用等权重融合法的KLFM混合推荐模型和使用有效权重融合法的KLFM混合推荐模型。研究的局限性——在进行模型混合时,选取的推荐模型较少;融合策略上也可以有更多选择;可以选取更多的评价指标,对混合推荐模型进行多角度、全方位的评测。实际影响——在大数据量下,小样本梯度下降法在迭代准确性和收敛性上优于随机梯度下降法;在关于KLFM混合推荐模型的研究中,KLFM混合推荐模型的效果优于单一推荐模型;在比对实验中,PSO寻优权重融合法在混合KLFM混合推荐模型时,在MAE、MAPE、RSME三种预测准确度评价指标上表现最佳,对KLFM混合推荐模型的混合效果最优。独创性——提出基于隐语义模型在大数据量的环境下迭代寻优的优化——在隐语义模型内,使用小样本梯度下降法替代随机梯度下降法。并在使用小样本梯度下降法的隐语义模型的基础上,使用三种线性的权重融合策略:等权重融合法、有效权重融合法、鸟类觅食算法与权重寻优相结合的PSO寻优权重融合法,将基于邻域的推荐算法与使用小样本梯度下降法的隐语义模型混合为KLFM混合模型。

关键词：推荐搜索混合推荐模型隐语义模型小样本梯度下降法鸟类觅食算法

来源：评论

学校读者我要写书评

暂无评论

融合用户和区位资源特征的混合房源推荐方法

引用

计算机科学 2022年第S01期49卷 733-737页

作者：朴勇朱锶源李阳大连理工大学软件学院辽宁大连116620

随着时代的发展,用户购买房屋的观念也在发生改变,在决策过程中更加注重房屋的区位资源。文中给出一种融合用户和区位资源特征的混合推荐方法,通过层叠式的方式将基于内容的推荐算法和基于用户的协同过滤算法相组合,通过用户兴趣偏好与... 详细信息

随着时代的发展,用户购买房屋的观念也在发生改变,在决策过程中更加注重房屋的区位资源。文中给出一种融合用户和区位资源特征的混合推荐方法,通过层叠式的方式将基于内容的推荐算法和基于用户的协同过滤算法相组合,通过用户兴趣偏好与区位资源的融合,提供更准确的房源推荐。通过整合17万余条房源交易数据和上千条区位资源数据,实验结果表明,该方法相比传统模型具有更好的推荐效果。

关键词：混合推荐模型区位资源用户兴趣偏好

来源：评论

学校读者我要写书评

暂无评论

基多目标优化选择策略的旅游混合推荐系统

基多目标优化选择策略的旅游混合推荐系统

引用

作者：王慎庆安徽大学

学位级别：硕士

随着互联网技术的飞速发展和智慧旅游的推广,越来越多的人们喜欢通过在线旅游网站查询旅游信息、制定旅游计划。然而,随着数据的爆炸增长,大量无效的、冗余的信息充斥着互联网,人们很难轻松的获取自己想要的内容。对有效信息的筛选花费... 详细信息

随着互联网技术的飞速发展和智慧旅游的推广,越来越多的人们喜欢通过在线旅游网站查询旅游信息、制定旅游计划。然而,随着数据的爆炸增长,大量无效的、冗余的信息充斥着互联网,人们很难轻松的获取自己想要的内容。对有效信息的筛选花费了人们大量的时间和精力,旅游的体验感大幅下降。因此迫切需要发展高效的推荐算法和系统来解决这一问题。在此情况下,本文提出了一种基于多目标优化选择策略的旅游混合推荐算法,并在此算法基础上设计了一款智能旅游推荐系统。具体的研究内容如下: (1)基于多目标优化选择策略的旅游混合推荐算法。针对下一个景点会去哪的旅游推荐问题,本文首先对现有的单体推荐算法进了分析,指出了它们的局限性。接着又对混合推荐模型进行了介绍,阐明了混合推荐模型能够融合多个单体推荐模型的优点而产生更高的推荐精度的特点。然后本文根据实际情况提出了“兴趣”和“顾虑”两个目标,通过多目标优化策略优化这两个目标以寻找优秀解。最后,将多目标优化策略与混合推荐模型相结合,构建了本文所提的混合推荐算法模型。为了验证本文模型的有效性,本文在一个自制数据集HSC和两个公共数据集NYC、TKY上进行了多次实验。与现有的单体推荐算法模型相比,本文的模型在各项评价指标上有着明显的提升。为了进一步验证模型的优越性,本文又与另外两种混合推荐算法模型进行了比较。实验的结果证明,本文模型的推荐精度依然优于另外两种模型。 (2)智能旅游推荐系统。为了验证本文模型实际应用的可行性,本文利用Java、Python、Spring Boot、Redis、My SQL等技术设计了一款智能旅游推荐系统,并将本文所提出的模型应用在离线推荐服务功能上。同时,本文对系统的设计内容进行了全面的介绍,包括系统需求分析、系统架构设计、功能模块设计、数据库设计、系统实现、系统测试六个方面内容。通过验证系统的离线推荐功能,本文模型的实际应用价值得到了证明。

关键词：旅游推荐系统混合推荐模型多目标优化选择策略个性化推荐

来源：评论

学校读者我要写书评

暂无评论

基于混合推荐的高考志愿推荐系统的设计与实现

基于混合推荐的高考志愿推荐系统的设计与实现

引用

作者：白俊杰内蒙古大学

学位级别：硕士

“高考难,填报更难”一直是每一个高考家庭面临的重大问题。繁多的院校和专业信息、每年高考政策的改革以及各院校招生计划的变动让高考志愿的填报困难重重。如何从如此繁杂且庞大的信息中提取出符合考生个人情况的相关信息是亟待解决... 详细信息

“高考难,填报更难”一直是每一个高考家庭面临的重大问题。繁多的院校和专业信息、每年高考政策的改革以及各院校招生计划的变动让高考志愿的填报困难重重。如何从如此繁杂且庞大的信息中提取出符合考生个人情况的相关信息是亟待解决的问题。随着互联网技术的日新月异,推荐技术也得到了巨大的发展。本文针对高考志愿填报中难以选择合适院校和专业的问题,设计并实现了基于混合推荐的高考志愿推荐系统。本文主要研究工作如下:（1）本文通过灰色预测理论中的GM（1,1）预测模型和Verhulst预测模型对录取分数线进行预测,采用后验差法对预测结果进行检验并择优选择作为最终的录取分数线预测值。本文以2756所院校2017-2020年在内蒙古自治区的理科录取分数线为输入进行了测试,测试结果显示,97.16%的院校2021年预测录取分数线与实际录取分数线误差值在10以内。（2）本文以霍兰德职业兴趣测试和迈尔斯-布里格斯性格分类指标的测试结果为输入,通过基于内容推荐和基于用户协同过滤的混合推荐算法完成对考生的专业推荐。本文采用归一化折损累计增益对推荐结果进行评估,结果显示,混合推荐算法的推荐效果优于基于内容的推荐算法和基于用户的协同过滤算法,且混合推荐模型采用TOP-15的方式进行推荐。（3）本文采用K-means++算法对各院校预测录取分数线进行聚类分析并最终实现对考生的院校推荐。本文使用轮廓系数对聚类效果进行评估,评估结果显示,当聚类数为6时,K-means++算法聚类效果最佳。（4）本文采用了vue、Spring Boot等技术完成了高考志愿推荐系统的开发,最终实现了六个功能,包括录取分数线预测功能、专业推荐功能、院校推荐功能、个人信息管理功能、数据查询功能和数据管理功能。在完成开发工作后,本文对高考志愿推荐系统进行了系统性测试并对测试结果进行分析。目前,高考志愿推荐系统已在内蒙古易高教育科技有限公司测试运行,为多名考生的高考志愿填报工作提供了有力支持。

关键词：高考志愿推荐混合推荐模型聚类分析灰色预测理论

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的高校学生就业推荐系统研究与应用

基于深度学习的高校学生就业推荐系统研究与应用

引用

作者：江宜橙哈尔滨工程大学

学位级别：硕士

自2011年以来,全国高校毕业生人数逐年增长,高校毕业生总体就业形势日益严峻,与此同时,由于学生期望和单位资质不对等、专业设置和岗位需求不匹配、就业观念和市场需求不一致等多方面因素,导致高校毕业生出现“毕业即失业”和用人单位... 详细信息

自2011年以来,全国高校毕业生人数逐年增长,高校毕业生总体就业形势日益严峻,与此同时,由于学生期望和单位资质不对等、专业设置和岗位需求不匹配、就业观念和市场需求不一致等多方面因素,导致高校毕业生出现“毕业即失业”和用人单位求贤若渴的现象并存。这种现象主要是由于毕业生就业与用人单位之间存在的巨大的信息差异,因此,在当前高校全面普及学生信息管理信息化的前提下,利用深度学习理论对学生信息加以分析,搭建精准的推荐模型,为毕业生提供可靠参考,可以有效缓解就业工作的紧张局势。课题提出一种基于深度学习的特征组合混合推荐算法,在高校毕业生就业推荐领域进行实验验证,以该推荐模型为核心,设计并实现一个基于深度学习的高校学生就业推荐系统,为高校毕业生提供精确、高校、便捷的就业推荐服务。课题主要从以下三方面展开研究与应用。(1)研究深度学习中协同过滤的推荐算法、随机森林的分类推荐算法和BP神经网络的推荐算法,将三种经典的算法进行比较、分析和总结。并以哈尔滨工程大学毕业生基本信息与用人单位数据集为输入样本,分别验证了三种模型的应用效果,对比测评指标,得出结论。(2)针对深度学习中三种传统算法的推荐精度低、特征表征能力有限、数据稀疏等问题,提出一种基于深度学习的特征组合混合推荐模型,该模型是传统推荐算法下的改进推荐模型,在相同的输入数据集下进行算法实现。实验结果表明,分析特征组合混合推荐模型在该数据集下的推荐效果由于经典模型,其学习能力强、可扩展性高,该改进模型可以提高推荐的精度,并且在一定程度上缓解现有推荐模型中的数据特征表征能力较差和数据稀疏性的问题。(3)针对结合毕业生实际需求,扩充数据集,开发适合高校毕业生的就业推荐系统,将改进的特征组合混合推荐模型应用到各高校学生就业中。该系统具有注册登录、学生偏好采集、数据处理、推荐结果展示等模块。可实现用户可以对系统中的用人单位进行检索及信息查看,还可以实现对用人单位个性化推荐的功能,为高校毕业生在毕业求职时提供一个可供参考、指导意见强的毕业就业推荐平台。研究成果实用性强,对提升学生就业体验、满足用人单位招聘需求有重要意义。

关键词：就业推荐深度学习特征组合混合推荐模型随机森林

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络和神经协同过滤的混合电影推荐

基于深度神经网络和神经协同过滤的混合电影推荐

引用

作者：王雪飞重庆邮电大学

学位级别：硕士

矩阵分解和深度学习已被应用于推荐系统,并取得了较好的效果。矩阵分解能较好地从用户对推荐对象的评分中挖掘用户、推荐对象以及其它潜在因素的隐性特征,并将这些特征进行匹配,给出推荐策略,但这种方法忽略了用户和推荐对象中现有辅助... 详细信息

矩阵分解和深度学习已被应用于推荐系统,并取得了较好的效果。矩阵分解能较好地从用户对推荐对象的评分中挖掘用户、推荐对象以及其它潜在因素的隐性特征,并将这些特征进行匹配,给出推荐策略,但这种方法忽略了用户和推荐对象中现有辅助数据信息的显性特征。深度神经网络是能从各类辅助信息中提取用户和推荐对象的显性特征,并进行匹配给出推荐策略,却忽略了用户评分数据中用户、推荐对象以及其它潜在因素的隐性特征。在推荐系统中,单一的学习矩阵分解的内积交互或者利用深度神经网络来捕获用户与项目交互,不足以有效地学习用户与项目的特征。针对以上这些问题,本文提出一种在显式反馈与隐式反馈基础上的基于深度神经网络和神经协同过滤的混合电影推荐模型。该模型学习用户与电影的交互信息,首先利用用户和电影的基本信息数据以及用户对电影的评分数据,构建用户和电影的特征矩阵,再将这两个特征矩阵结合起来构建用户-电影特征矩阵,利用深度神经网络捕获用户与电影的显性特征,得出基于深度神经网络的电影推荐模型预测分数;然后利用用户对电影的评分数据,在矩阵分解的基础上,从隐式映射与特征映射两个方面再利用深度协同过滤的交互学习能力去获取用户与电影的隐性特征,得出基于神经协同过滤的电影推荐模型预测分数;最后在融合层将显性特征的预测分数和隐性特征的预测分数线性组合后作为模型的输出,获得最终的预测分数。在Movie Lens数据集上进行实验,并与广义矩阵分解,多层感知机,神经矩阵分解多个模型在命中率(Hit Rate,HR)以及归一化折损累积增益(Normalized Discounted Cumulative Gain,NDCG)上做比较,实验表明该混合推荐模型能获得更好的推荐性能。

关键词：显性特征隐性特征深度神经网络混合推荐模型

来源：评论

学校读者我要写书评

暂无评论

城市小区推荐系统的设计与实现

城市小区推荐系统的设计与实现

引用

作者：李阳大连理工大学

学位级别：硕士

随着社会的发展,海量数据在给人们带来生活便利的同时也带来了困扰。以用户购房为例,海量房源数据使用户容易陷入信息过载的泥潭,难以获取到有效数据;并且区位资源已经成为用户购房考虑的重要因素,但是用户难以将自己对于区位资源的需... 详细信息

随着社会的发展,海量数据在给人们带来生活便利的同时也带来了困扰。以用户购房为例,海量房源数据使用户容易陷入信息过载的泥潭,难以获取到有效数据;并且区位资源已经成为用户购房考虑的重要因素,但是用户难以将自己对于区位资源的需求同房源数据关联起来。本文针对以上用户购房时遇到的问题进行设计实现。系统由六个模块组成,分别是数据台账、查询统计、区位资源、房源推荐、房源对比和个人信息。数据台账模块展示整体房价和区位资源的情况;查询统计模块面向用户提供房源查询;区位资源模块从不同角度为用户提供区位资源相关服务;房源推荐模块根据用户信息进行房源推荐;房源对比模块用于对不同房源进行对比分析;个人信息模块用于个人信息管理。在房源推荐模块,本文在推荐算法研究的基础上针对实际情况,提出一个基于内容推荐和基于用户协同过滤的混合推荐模型,将基于内容的推荐算法和基于用户的协同过滤算法采用级联式的方式组合,并结合K-Means算法进行房源数据粗分类、通过矩阵计算得出用户兴趣偏好、使用灰色关联分析求出房源间的相关联度。最后使用NDCG和Coverage两种评估指标将模型与传统推荐算法的实验结果进行对比分析,验证本文提出的混合推荐模型在NDCG评估指标可达到47.8%,Coverage达到43.3%,相比传统推荐算法在推荐效果上具有很大的提升。最后系统通过测试,能够帮助用户快速获取想要查找的信息、推荐房源等,有效解决用户购房时的烦恼,具有实际使用价值。

关键词：混合推荐模型房源推荐区位资源用户兴趣偏好

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：