利用Google工具栏定制图书馆个性化工具栏

doi:10.11925/infotech.1003-3513.2009.06.13

现代图书情报技术

2009, Vol. 25

Issue (6): 66-69 https://doi.org/10.11925/infotech.1003-3513.2009.06.13

应用实践

本期目录 | 过刊浏览 | 高级检索

利用Google工具栏定制图书馆个性化工具栏

周虹

（清华大学图书馆北京 100084）
（中国科学院研究生院北京 100049）

Customizing Personalization Library Toolbar by Google Toolbar

Zhou Hong

(Tsinghua University Library， Beijing 100084，China)
(Graduate University of Chinese Academy of Sciences, Beijing 100049, China)

摘要
参考文献
相关文章
Metrics

全文: PDF (473 KB)
输出: BibTeX | EndNote (RIS)

摘要

说明制作工具栏自定义按钮及定制工具栏的步骤，较好地实现图书馆多种服务集成，满足用户个性化定制需求。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	周虹

关键词 ： Google工具栏, 图书馆服务, 个性化

Abstract：

This paper introduces how to make custom buttons of Google toolbar and the steps of customizing personalized library toolbar. By this way,libraries can integrate services preferably, and satisfy the customers’ requirement of personalization.

Key words： Google Toolbar Library Service Personalization

收稿日期: 2009-04-09 出版日期: 2009-06-25

G250.7

通讯作者: 周虹 E-mail: zhouhong@lib.tsinghua.edu.cn

作者简介: 周虹

引用本文:

周虹. 利用Google工具栏定制图书馆个性化工具栏[J]. 现代图书情报技术, 2009, 25(6): 66-69.
Zhou Hong. Customizing Personalization Library Toolbar by Google Toolbar. New Technology of Library and Information Service, 2009, 25(6): 66-69.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2009.06.13 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2009/V25/I6/66

［1］胡小菁. 把图书馆服务嵌入用户环境——兼论浏览器工具条［J］. 上海高校图书情报工作研究，2008，18(2)：8-11.
［2］郭文丽, 张晓林. 嵌入式数字图书馆工具条的设计与实现［J］. 现代图书情报技术，2007(6)：1-4.
［3］王建涛, 胡明玲. 工具条在图书馆信息服务中的应用［J］. 图书情报工作，2007,51(2)：121-124,134.
［4］张秋, 高凡. 国内外图书馆工具条发展概况［J］. 四川图书馆学报，2009(1)：74-76.
［5］黄远慧. 浏览器工具条在数字图书馆的信息服务功能［J］.图书馆学研究，2008(12)：56-58，63.
［6］ Google Toolbar API ［EB/OL］. ［2009-04-05］.http://toolbar.google.com/buttons/apis/.
［7］ Google Toolbar Button Gallery ［EB/OL］. ［2009-04-05］. http://www.google.com/gadgets/directory?synd=toolbar&frontpage=1.

[1]	吴彦文, 蔡秋亭, 刘智, 邓云泽. 融合多源数据和场景相似度计算的数字资源推荐研究^*[J]. 数据分析与知识发现, 2021, 5(11): 114-123.
[2]	丁浩, 艾文华, 胡广伟, 李树青, 索炜. 融合用户兴趣波动时序的个性化推荐模型^*[J]. 数据分析与知识发现, 2021, 5(11): 45-58.
[3]	苏庆,陈思兆,吴伟民,李小妹,黄佃宽. 基于学习情况协同过滤算法的个性化学习推荐模型研究^*[J]. 数据分析与知识发现, 2020, 4(5): 105-117.
[4]	郑淞尹,谈国新,史中超. 基于分段用户群与时间上下文的旅游景点推荐模型研究^*[J]. 数据分析与知识发现, 2020, 4(5): 92-104.
[5]	魏伟,郭崇慧,邢小宇. 基于语义关联规则的试题知识点标注及试题推荐^*[J]. 数据分析与知识发现, 2020, 4(2/3): 182-191.
[6]	张怡文,张臣坤,杨安桔,计成睿,岳丽华. 基于条件型游走的四部图推荐方法^*[J]. 数据分析与知识发现, 2019, 3(4): 117-125.
[7]	叶佳鑫,熊回香. 基于标签的跨领域资源个性化推荐研究^*[J]. 数据分析与知识发现, 2019, 3(2): 21-32.
[8]	聂卉. 结合词向量和词图算法的用户兴趣建模研究 ^*[J]. 数据分析与知识发现, 2019, 3(12): 30-40.
[9]	丁浩,李树青. 基于用户多类型兴趣波动趋势预测分析的个性化推荐方法 ^*[J]. 数据分析与知识发现, 2019, 3(11): 43-51.
[10]	李杰, 杨芳, 徐晨曦. 考虑时间动态性和序列模式的个性化推荐算法^*[J]. 数据分析与知识发现, 2018, 2(7): 72-80.
[11]	侯银秀, 李伟卿, 王伟军, 张婷婷. 基于用户偏好与商品属性情感匹配的图书个性化推荐研究^*[J]. 数据分析与知识发现, 2017, 1(8): 9-17.
[12]	陈梅梅, 薛康杰. 基于标签簇多构面信任关系的个性化推荐算法研究^*[J]. 数据分析与知识发现, 2017, 1(5): 94-101.
[13]	陈梅梅, 薛康杰. 基于改进张量分解模型的个性化推荐算法研究^*[J]. 数据分析与知识发现, 2017, 1(3): 38-45.
[14]	罗文馨,陈翀,邓思艺. 基于Word2Vec及大众健康信息源的疾病关联探测[J]. 现代图书情报技术, 2016, 32(9): 78-87.
[15]	谭学清,张磊,黄翠翠,罗琳. 融合领域专家信任与相似度的协同过滤推荐算法研究^*[J]. 现代图书情报技术, 2016, 32(7-8): 101-109.

Viewed

Full text

Abstract

Cited

Shared

Discussed