融入用户反馈的网络知识社区好友推荐模型构建研究

[目的/意义]从用户相似度计算和用户反馈双重视角出发,进行高质量用户推荐,有利于提高网络知识社区个性化推荐水平。[方法/过程]首先基于爬虫工具和Python包进行用户属性数据采集和分析,以计算用户之间的背景、社交关系、博文信息的综合相似度;然后再计算用户核心度,基于相似度矩阵和核心用户排名形成待推荐列表;最后引入用户反馈机制,并根据用户的正负反馈结果确定最佳Top-k好友。[结果/结论]融入用户反馈的好友推荐模型能够提高推荐用户的质量,有效地提高好友推荐水平,也验证了好友推荐是一个逐步修复的过程。     

基于用户相似度与信任度的虚拟学术社区中学者推荐研究

【目的/意义】研究从用户节点和网络全局两个视角出发,基于用户相似度与信任度对虚拟学术社区中学者 进行推荐,提高学者推荐的质量。【方法/过程】首先,利用 LDA 主题模型挖掘学者发表的博文主题,计算博文相似 度;通过学者共同好友比例计算好友相似度;然后将博文相似度和好友相似度融合计算用户相似度;最后,融合用 户相似度和信任度进行学者推荐。【结果/结论】提出虚拟学术社区中基于用户相似度与信任度的学者推荐方法,综 合利用用户节点和网络全局信息,为虚拟学术社区用户进行学者推荐。【创新/局限】从用户节点和网络全局两个角 度进行学者信息融合,有效提高了虚拟学术社区中学者推荐的质量。局限在于本文主要考虑的是学者在网络全局 中的信任度,用户节点间的交互信任关系还有待进一步研究。     

社交网络中的好友推荐研究——概念、方法与展望

[目的/意义]当前，好友推荐被广泛地应用于社交网络平台，高质量的好友推荐在满足用户交友需求、帮助用户获取更多信息资源的同时，还提高了用户与社交网站的粘性。[方法/过程]通过对相关文献的分析研究，界定了好友推荐的概念，梳理了社交网络中好友推荐的过程，归纳了好友推荐方法，总结了现有相关研究存在的不足及研究展望。[结果/结论]研究发现，社交网络中的好友推荐依据用户在社交网络平台上留下的记录，帮助用户找到他们感兴趣的其他用户。现有的好友推荐存在冷启动、数据稀疏、动态变化、信息茧房、用户隐私等问题，未来好友推荐可以从推荐的多维性、提供好友推荐结果的解释、设置用户反馈机制以及改进推荐系统的可拓展性等方面进行研究。     

基于FIUHM模型的兴趣社区检测方法研究

[目的/意义] 构建基于用户兴趣标签的网络社团识别模型（Fuzzy Interests and User Hybrid Model,FIUHM）,揭示用户兴趣与社团形式概念间的模糊层级关系,实现多粒度属性与社团拓扑结构的层次聚类。[方法/过程] 通过抽取豆瓣电影社区数据,实现基于用户标签的兴趣强度语义标注,利用用户相似度,获取社区用户间兴趣语义距离;将网络社区的领接矩阵映射为社团形式背景,构建社团模糊概念格,建立社团形式概念及其偏序关系集,完成社团形式概念建模;通过计算社团稳定指数,识别网络社团边界,并聚类最大独立社团,实现兴趣社团的在线检测。[结果/结论] 通过对比实验,验证了FIUHM模型的有效性,实验表明将模糊形式概念分析引入网络社团识别研究,利用模糊概念格的偏序关系建模用户节点间的兴趣相似度,有利于提高社团识别的分辨率。     

融合用户兴趣漂移特征的个性化推荐研究

[目的/意义]基于社交网络用户短期兴趣和长期兴趣,挖掘用户不同时间窗口下长短期兴趣,能够提高用户兴趣发现的准确性,解决推荐系统不能适应用户兴趣变化的问题。[方法/过程]通过对社交网络用户兴趣的研究发现,社交网络用户兴趣可以分为短期兴趣和长期兴趣,据此构建融合用户兴趣漂移特征的个性化推荐模型。采用时间窗口的方法挖掘用户短期兴趣,利用遗忘曲线跟踪用户长期兴趣变化。在此基础上对用户进行聚类,根据用户聚类结果为用户推荐兴趣相似用户。并以微博真实数据为例进行实证。[结果/结论]融合用户兴趣漂移特征的个性化推荐模型能够较准确地发现用户兴趣漂移特征,满足用户个性化信息需求。[局限]仅使用"微博"这一应用广泛的网络社交平台进行实证,未能从多个网络社交平台进一步验证模型的可行性和准确性。     

一种基于多因素的潜在好友推荐算法

提出基于目标用户与候选用户之间的兴趣相似度、目标用户时其他用户信任度、其他用户的热门程度等多种因素实现社交网络中的好友推荐,旨在提高好友推荐质量。     

学术社交网络用户知识共享意愿的影响因素研究

[目的/意义] 从动机、机会、能力3个维度揭示学术社交网络用户知识共享意愿的影响因素。[方法/过程] 基于MOA理论,构建学术社交网络用户知识共享意愿影响因素模型,搜集数据并采用结构方程模型方法对模型研究假设进行验证。[结果/结论] 利他动机、声誉动机、社区认同动机、知识获取动机、信息质量、系统质量、自我效能对学术社交网络用户的知识共享意愿影响显著,社交关系动机、服务质量对学术社交网络用户的知识共享意愿影响并不显著。该模型对解释我国学术社交网络用户的知识共享意愿和指导学术社交平台建设具有指导意义。     

智慧图书馆中基于用户画像的图书推荐研究

【目的/意义】利用用户画像以及个性化推荐算法实现智慧图书馆中的图书推荐。【方法/过程】从构建智慧 图书馆用户画像的自然属性、兴趣属性、社交属性三个数据维度出发,借助相似度计算方法分别计算不同维度读者 和图书的相似度,实现基于相似读者和相似图书的虚拟图书推荐,阐述了借助智慧图书馆的先进技术实现基于位 置的实体图书推荐。【结果/结论】实验结果表明将用户画像用于智慧图书馆图书推荐可提升图书馆个性化服务能 力,针对读者实现精准推荐。【创新/局限】基于用户画像的图书推荐从多个维度进行组合推荐,实现了智慧图书馆 虚拟图书和实体图书的个性化推荐,提高了推荐质量,为提升智慧图书馆个性化服务具有一定的借鉴意义。局限 在于选取的读者以及图书数量较少。     

融合用户社交与情境信息的虚拟知识社区个性化知识推荐研究

[目的/意义]通过融合用户社交与情境信息,构建虚拟知识社区个性化知识推荐模型并开展个性化知识推荐算法的设计,能够在一定程度上完善虚拟知识社区个性化知识推荐方法的理论体系,具有一定的理论价值和应用价值。[方法/过程]首先构建出基于用户社交与情境信息的虚拟知识社区个性化知识推荐模型,然后利用改进的最大团算法设计出虚拟知识社区个性化知识推荐算法,最后通过选取某虚拟知识社区的用户数据进行实例分析实现精准的个性化知识推荐。[结果/结论]在利用融合用户社交与情境信息进行虚拟知识社区个性化知识推荐过程中,通过对某虚拟知识社区的实例分析,表明其个性化知识推荐结果的精准度得到了显著的提升。     

基于社区发现的网络舆情主题—情感动态监测模型研究

[目的/意义]探究热点事件网络社区的主题及情感波动,掌握舆情事件的演化过程,对于做好网络舆论引导、维护网络信息生态具有重要意义。[方法/过程]以社交关系构建社群网络,采用Louvain算法划分主题社区,基于此提取各阶段社区主题,并计算主题情感分布,多维度协同探究网络舆情的动态演化过程;最后以“孙海洋寻子圆梦”事件为例检验了模型的有效性。[结果/结论]网民会自发性地关注并讨论舆情事件的发展,并依据网络社交关系形成不同的主题社区,从而产生不同的情感波动。研究结果能够较好地反映出特定舆情事件的主题-情感演化过程。     

融合用户画像与协同过滤的知识付费平台个性化推荐模型

[目的/意义]为提高知识付费平台用户感知服务质量,文章构建了融合用户画像与协同过滤的个性化推荐模型。[方法/过程]首先根据用户特性构建画像标签体系,利用TF-IDF、熵值法、k-means等方法确定用户特征标签;其次分别基于用户画像与改进后的协同过滤算法计算用户相似度,通过调和权重得到用户综合相似度;最后利用Top-N进行个性化推荐。[结果/讨论]通过知乎live付费用户信息进行验证,发现本文算法在推荐结果的准确率以及召回率上,相比其单一方法均有较大提升,且满意度高于知乎live平台。     

基于协同过滤的高校图书馆纸本资源智能推荐方法实证研究

[目的/意义]旨在为高校图书馆提高纸质资源采购质量与利用率提供参考。[方法/过程]基于用户画像的理论对不同用户进行多维度的刻画,利用机器学习中监督学习的方法,通过采用协同过滤的推荐算法对用户偏好特征做精细统计分析的定量化计算,并从用户需求的角度建立用户偏好同步变化的自适应优化在线学习的纸本资源推荐系统。[结果/结论]该研究从实证分析角度为用户实现精准的个性化纸本资源推荐服务,为高校图书馆纸质文献检索库实现智能偏好的检索功能,建立纸质文献检索库合理有效的动态更新机制,提升用户体验。     

基于团队科研—知识应用情境匹配的数字图书馆知识推荐方法研究

[目的/意义]数字图书馆的知识服务需要考虑用户科研情境的因素,现有研究大多集中于科研人员个体,忽略了科研团队的情境。针对团队科研活动的情境进行知识推荐,可以更好地服务以团队合作方式开展的科研活动。[方法/过程]提出了一种基于团队科研—知识应用情境匹配的数字图书馆知识推荐方法。运用情境感知技术构建数字图书馆知识应用情境和团队科研情境模型,将二者匹配,为活跃用户筛选出备选知识和邻居用户,完成知识排序和推荐。[结果/结论]通过数字图书馆知识推荐实例证实,提出的推荐方法能够精准挖掘出团队科研情境下科研人员的知识需求。     

基于梯度提升决策树的情境感知推荐模型

[目的/意义]旨在深入研究情境信息对用户偏好的影响,提高情境感知推荐的准确性。[方法/过程]提出了基于梯度提升决策树的情境感知推荐模型,根据梯度提升决策树计算情境属性权重,将其与传统协同过滤算法相融合,生成情境感知推荐结果。[结果/结论]该模型可以识别影响用户偏好的重要情景属性,为用户提供个性化推荐服务。     

基于知识发布的网络社区用户行为规律研究--以Keep健康社区为例

[目的/意义]深化与丰富网络社区用户知识发布与交流机制相关的理论研究,旨在为网络社区知识服务的前沿发展注入新活力。[方法/过程]以前沿理论研究为基础,从社区用户主体因素和网络社区客体因素两个维度中提取五个要素,构建网络社区用户知识发布行为影响因素模型。借助SPSS软件对所获取到的Keep用户数据进行分析。[结果/结论]偏好运动强度越大、社会交互越多、社会影响力越大、锻炼经验更为丰富的Keep社区用户,其知识发布行为倾向更强烈。     

基于“一带一路”倡议的东盟信息资源用户需求分析模型构建

[目的/意义]用户需求研究对我国信息机构开展东盟信息资源建设与服务具有重要意义。[方法/过程]立足国家“一带一路”倡议,构建东盟信息资源用户需求模型,通过数据采集、信息处理、建立多维度用户需求标签,全面分析用户需求与偏好。[结果/结论]借助东盟信息资源用户需求模型,实现明确机构定位、指导资源建设、服务精准营销、资源协同推荐,对用户需求进行有效管理。     

一种融合了基于朴素贝叶斯算法与情境感知的协同推荐系统——以大学图书馆实体图书推荐为例

[目的/意义]将情境感知技术引入图书馆以提高服务的智能化，已成为数字图书馆的发展趋势之一。为了提高情境感知模型中推荐结果的准确度。[方法/过程]本文研究并提出了一种融合了朴素贝叶斯算法与情景感知功能的协同推荐模型，并通过实验对推荐效果进行了评估。具体为：首先，获取用户的当前任务和情景信息，同时提取历史信息库用户的行为偏好；其次基于属性加权贝叶斯算法计算用户的行为相似度，继而进行协同推荐；通过计算目标情景中所有情景属性对所推荐资源的影响的权值，对协同推荐所得评分进行加权处理，形成最终的预测预测；最后通过实验对模型进行检验。[结果/结论]结果表明：使用该模型得出的推荐结果优于传统的协同推荐结果。因此该模型能够更好地为为个性化信息服务提供支持。     

学术用户画像的行为与兴趣标签构建与应用

[目的/意义]学术用户画像是对用户访问使用学术资源行为的较全面的刻画。本文尝试构建图书馆学术用户画像的信息行为标签和研究兴趣标签,来准确定位学术用户的信息需求,以便推荐合适的学术资源。[方法/过程]具体方法是全面获取用户的访问日志并进行清洗处理,然后构建从学术用户信息行为出发的用户画像标签体系,进一步研究构建了基于研究兴趣关联的信息资源推荐服务。[结果/结论]本研究有助于提高用户信息获取效率,提高图书馆学术资源推荐服务的质量,并为结合其它资源全面构建图书馆学术用户画像提供一定的借鉴。