基于信息增益的KNN社交网络异常用户检测

为了解决传统机器学习算法对社交网络异常用户检测准确率不高的问题,提出一种基于信息增益的K近邻社交网络异常用户检测方法.首先通过使用信息增益特征选择方法确定数据集中每个属性的重要性,去除冗余属性;然后使用KNN分类算法构建分类模型.为验证所构建模型的效果,使用真实数据集进行实验.实验结果表明,进行特征选择后构建的分类模型...     

基于大数据分析的旅游微博用户偏爱研究

为在巨量数据下挖掘旅游微博用户的偏爱链路,分析了传统偏爱链路算法在巨量数据背景下存在的挖掘能力不足等问题,通过重新评判用户浏览兴趣与点击量的真实关系,对已有的网络拓扑算法进行了改进,提出了一种基于大数据分析的旅游微博用户偏爱链路计算方法。研究结果表明:基于大数据分析的旅游微博用户偏爱链路算法在互联网巨量数据下较传统算法有更高的计算速度和更高的计算准确度。     

基于用户行为的社交网络挖掘分析

本文基于分布式云计算,提出了一种社交网络行为搜索算法,其可以增加影响因素,并把时间箭头和页面相关因子转化为挖掘因子,从而可提高挖掘性能的计算和搜索效率.实验证明,该计算有较好效果,并对云计算的用户分析具有指导意义.     

社交网络用户关系分析

随着互联网的快速发展,社交网络已逐渐成为人们日常生活中不可或缺的一部分。介绍OAuth协议的基本原理和实现流程,以新浪微博为例阐述用户和用户关系的数据抓取方法;讨论一种能够有效地表示社交网络中用户关系的数据结构,介绍用户关系识别的方法;对社交网络中的用户关系进行分析总结,并展望在后期研究工作中,如何通过对用户关系的分析更有效地发现意见领袖。     

社交网络增强移动协作学习研究

分析社交网络适宜于协作的特性,提出依托社交网络,从协作小组形成、信息交互与共享、学习情境创设等三个方面增强移动协作学习。     

大数据时代网络信息归档的元数据分析

针对网络信息价值的构成要素,在借鉴已有的元数据描述方案的基础上,构建归档网络信息价值元数据方案,最后提出用HTML的元标签和XML实现归档网络信息价值自描述的方法.通过这些研究,旨在拓展网络信息资源管理的研究领域、促进网络信息归档保存实践的发展.     

社交网络高校用户参与度的影响因素研究

随着互联网进入Web2.0时代,以人人网、微博为代表的社交网络作为人们交流、娱乐的途径,受到越来越多网民的喜爱。其中,高校用户作为社交网络的积极参与者,具有重要的研究价值。但用户黏性差,流失量大的问题一直困扰着社交网络的发展。以技术接受模型（TAM）为理论基础,从高校用户参与度的三个主要的决定因素：感知有用性、感知愉悦和重合度,以及三个外部因素：信息性动机、社会交互和自我展示入手,运用结构方程模型,研究分析影响社交网络高校用户参与度的决定因素和外部因素,以及它们之间的相互关系。结果表明,“熟人网络”、信息以及自我展示对社交网络用户参与度有着重要影响。     

青少年移动社交网络使用态度研究CSSCI

移动社交网络作为现实社会交往方式的必要补充,已经渗透到青少年学习生活的方方面面,对青少年的心理与行为发展既有积极作用也有消极影响。研究通过对文献的整理分析并结合研究目的,构建了包括移动社交网络愉悦度认知、移动社交网络信息可用度认知、移动社交网络互动程度认知、移动社交网络信任度认知,以及移动社交网络接受和使用意向五个方面内容的研究框架。通过调查分析,揭示了青少年对移动社交网络使用所持有的基本态度,为从多学科交叉视角开展青少年移动社交网络使用行为研究提供前期基础,也为引导青少年合理使用移动社交网络提供实证支持。     

动态社交网络中的数据发布隐私保护技术

由于社交网络图结构具有动态变化的特性,为此需要采用有效的动态隐私保护方法.针对现有动态社交网络中数据发布隐私保护方法中存在的攻击者背景知识单一、对图结构动态变化适应性较低等问题,提出一种个性化数据图发布隐私保护技术.该方法考虑了图结构信息和对于时空信息的隐私保护.根据用户关联社交关系计算出可信度,基于用户的可信度对用户...     

基于微博交互信息的社交网络推荐算法

微博作为近年来的热门社交网络平台,其用户行为、兴趣模型及个性化推荐深受国内外学者关注。针对微博社交网络的弱关系特点,结合用户实时交互信息与用户基本信息,提出一种综合考虑用户基本信息与用户交互信息的用户相似度计算方法;进而在UserCF算法的基础上,提出一种基于微博交互信息的推荐算法。该算法考虑了微博平台的弱连接关系特点,能有效针对微博类社交网络进行用户推荐。通过实际社交数据集实验证明,该算法具有良好的执行效率与推荐效果。     

基于搜索引擎的用户网络信息资源组织

网络环境下,面向用户网络信息资源的组织在信息资源建设和利用过程中具有重要的作用.文章主要介绍了网络信息资源组织的特点,以及用户怎样利用搜索引擎方式去满足自己的信息需求.     

基于用户体验的移动学习研究

基于用户体验的学习环境研究,能够提高学习者在学习中的情感态度,使他们在学习过程中得到满足感。通过提出基于用户体验的移动学习环境的设计要点,从视觉上的感官需求,到用户情感的体验,来实现移动学习的个性化。     

基于移动趋势的轨迹隐私保护研究综述

移动设备的普及为基于位置的服务应用带来新的发展机遇,但在使用LBS时造成的轨迹隐私泄露问题成为LBS普及的隐患.轨迹泛化法是一种轨迹隐私保护技术,在保护轨迹隐私的同时还可提高服务质量.基于组的轨迹隐私保护技术特点,对不考虑移动趋势的轨迹泛化法进行分析,总结基于移动趋势的轨迹隐私保护方法并对未来研究方向进行展望.     

基于社交网络的推荐系统研究

近年来,基于社交网络的推荐系统随着社交媒体和大数据的蓬勃发展,逐渐成为推荐系统重点研究方向。将社交网络用户社会化属性信息和评论内容与深度学习等技术结合,可有效解决传统推荐系统数据稀疏和冷启动等问题。首先回顾传统推荐系统常用方法,介绍社交网络推荐系统主要流程和基本框架,然后介绍最新相关研究方向和应用情况,最后对基于社交网络的推荐系统发展趋势进行分析与展望。     

基于社交网络的校友信息管理研究

社交网络的出现为校友信息管理提供了新的平台,同时带来了校友数据管理的新理念。基于校友数据建立的实名制社区也对网络信息共享产生了深刻的影响,本文基于已有的理论基础,归纳出校友社区信息共享的影响因素,并建立了相关的概念模型。通过对校友社区信息进行数据挖掘的初步分析和探讨,揭示了其应用前景和发展潜力。     

基于自动协商的社交网用户隐私保护机制研究

针对社交网隐私安全问题,利用基于Agent的Pareto遗传算法构建社交网络隐私自动协商模型,实现隐私策略结果的多样性。实验表明,该模型根据用户隐私偏好和社交网隐私策略的不同协商可以产生不同的结果,实现了协商结果的多样性;该模型随着协商次数的增加,协商时间增加很小,在时间上具有可行性。各Agent获得的效用总值达到Pareto最优解,从而验证了该模型的有效性。     

移动无线射频识别网络隐私安全探究

无线射频识别技术广泛应用在各种行业中。未来的射频技术出现新的趋势,阅读器被集成到移动设备中。而移动射频的技术的使用者是大量的普通用户,用户的安全和隐私是移动射频技术最优先考虑的问题。     

社交网络的平台属性及用户动因分析

近几年随着网络的发展,以及人们社交需求的提升,使得关于社交网络的企业开始大量涌现,并逐渐走向成熟.为此本文在现有文献基础上以社交网络为研究对象,试图通过平台经济学的视角去分析社交网络所具有的平台属性以及具体的用户动因,结合主要的社交工具如微博、微信、Facebook等,发现社交网络具有平台企业的性质,另外用户社交需求、个人形象建立、信息获取和一站式的用户体验是用户使用社交网站的重要动因.