社交网络中的好友推荐方法研究

【目的】利用社交网络中用户的好友和历史行为,为用户推荐潜在的好友。【方法】通过共同好友比例和互动比例两个指标衡量社交网络图中好友关系亲密程度,综合社交兴趣度和兴趣相似度进行评分,选取分数最高的Top-k用户推荐给目标用户。【结果】实验结果表明,相比传统方法,本文方法在准确率和召回率上均有显著提升。【局限】互动行为中的非正常情况未识别和处理,可能影响推荐结果准确率。【结论】考虑互动比例等多因素的好友推荐方法较传统单一角度方法有更好的效果。     

基于深度神经网络的微博图书名识别研究

[目的/意义] 微博作为一种新兴的社交媒体平台,被互联网用户广泛关注。微博数据中包含着大量的用户信息、用户行为及用户生成内容,基于微博内容自动识别图书名有利于分析用户阅读兴趣、收集用户对图书的评价和挖掘图书相关知识。[方法/过程] 基于微博的数据特点,提出一种基于深度神经网络的表示学习方法,利用微博中候选图书名的上下文连续向量化表示,实现微博内容中的图书名自动识别。[结果/结论] 实验结果表明,所提出的方法显著优于传统基于特征工程的有指导机器学习方法,并达到91.92%的精确率。     

一种主动学习和协同训练相结合的半监督微博情感分类方法

【目的】针对微博情感分类时未标注样本多和已标注集少的问题,提出一种新的方法。【方法】在协同训练算法的基础上引入主动学习思想,从低置信度样本中选取最有价值的、信息含量大的,提交标注,标注完后添加到训练集中,重新训练分类器进行情感分类。【结果】使用不同的数据集进行实验,实验结果表明该方法所构建的分类器性能优于其他方法,分类准确率明显提高。特别是在已标注样本占40%的情况下,提升5%左右。【局限】在协同训练过程中使用随机特征子空间生成方法不能保证每次构建的两个分类器都是强分类器,因此未能充分地满足协同训练的假设条件。【结论】引入主动学习思想后,能够解决协同训练对低置信度样本处理的不足,进而增强分类器性能,提高分类准确率。     

基于社交媒体的中医药文化视觉传播研究

【目的】探讨媒介迭代背景之下，如何利用社交媒体的传播特性开拓中医药文化视觉传播的路径与策略。【方法】选择新浪微博平台作为数据来源，通过数据收集与统计分析，采用内容分析法对数据结果进行定量研究，以数据客观地展示社交媒体上中医药文化视觉传播的现状并提出未来传播策略。【结果】媒体技术的发展使得社交媒体上中医药文化视觉传播有了更广的范畴，但是中医药文化传播需要新的研究视角。从微观层面进行探讨，助力中医药文化传播体系的建设。【结论】想要提升中医药文化视觉传播的效果，需要挖掘中医药文化中的视觉元素，把视觉元素提炼出来与艺术结合，最终呈现出大众可以接受的视觉传播信息。     

融合关系强度和兴趣的好友推荐方法研究

[目的/意义] 利用三度影响力理论,从网络结构的角度进一步拓展用户关系连接,提高社交网络好友推荐的效率。[方法/过程] 首先,计算用户之间的关系强度,并筛选关系强度较大的用户集合;然后,通过用户共同关注的内容计算用户兴趣相似度;最后,融合用户关系强度和兴趣相似度实现好友的推荐并通过实际数据对所提方法进行实证检验。[结果/结论] 实验结果表明,融合关系强度和兴趣的社交网络好友推荐方法具有较好的效果,可为用户推荐提供参考和借鉴。该方法进一步完善社会化推荐理论。     

基于改进HITS算法的微博用户影响力计算方法

针对传统微博网络用户影响力度量方法中用户关系不明确、时间特征不明显的问题,从网络结构、交互行为和时间3个角度考虑影响力的个体差异,提出一种基于改进HITS算法的微博用户影响力计算方法。该方法以用户间动态交互行为作为切入点,选择其动态交互强度作为改进算法的边权重,通过sigmoid函数对中心值进行修正,整合用户的权威值和中心值量化用户影响力,提高算法的适应性,计算结果更为合理,为微博用户影响力计算提供了新的思路。以新浪微博为实验对象,实验结果表明,该方法相对于传统影响力计算方法,在DCG值、查准率、召回率和F值评价指标方面均有所提升。     

A Web Resource Recommendation Method Based on User Taste Diffusion Model

针对Web 2.0环境下大众分类系统中用户、资源和标签之间的三元相关关系,本文提出一种基于三部图的用户兴趣扩散模型,据此为用户进行网络资源的推荐.其主要思想是:通过迭代的扩散机制,使目标用户对信息的兴趣依三部图结构扩散至其他的用户、标签和资源上,然后以资源兴趣度排序为依据,在目标用户未曾收藏的资源中产生推荐.该推荐方法的优势在于扩大了推荐范围,避免了数据稀疏对推荐造成的干扰.利用公共数据集进行的实验表明,本文提出的推荐方法其准确率和召回率优于基于二部图用户兴趣扩散的资源推荐结果.     

社会媒体用户标签的分析与推荐

微博是Web2.0时代重要的网络服务工具,作为以用户为中心的信息发布、传播和分享平台,它包含了非常丰富的用户信息。在微博中,可以使用标签表示用户的兴趣和属性。而一个用户的兴趣和属性,通常包含在这个用户的文本信息和网络信息中。针对微博用户的标签进行分析,提出网络正则化的标签分发模型（NTDM）来为用户推荐标签。NTDM模型对用户个人简介中的词语和标签之间的关系进行建模,同时利用其社交网络结构作为模型的正则化因子。在真实数据集上的实验表明,NTDM在效果以及效率上都优于其他方法。     

一种基于相似度和信任度融合的微博内容推荐方法

[目的/意义]微博对用户获取信息和建立社交网络具有重要作用。提出一种基于相似度和信任度融合的微博内容推荐方法,能够从用户需求出发进行个性化微博内容推荐,对提高微博服务质量、改善信息过载问题具有意义。[方法/过程]基于相似度和信任度融合算法,构建微博内容推荐模型,以新浪微博为研究对象,采用编程方式获取汽车、体育、运动健身、互联网和财经5个领域的数据,展开用户相似度与信任度计算的实验分析和比较。[结果/结论]分析结果显示该方法可以有效表示和挖掘微博内容,改善微博推荐的准确性和用户满意度。     

资源描述中的词表重用类型与实现方式

为提高资源描述的规范化及标准化,提升资源之间的互操作能力,各类型词表不断被创建及使用,词表重用已成为资源描述中的关键问题。本文从资源描述的基本结构出发,基于数据模型和资源标注两个阶段对词表层、模式层及数据层进行详细分析;探讨词表层、概念层两种重用类型,认为当前用户更关注于词表层重用,概念层重用将随着词表生态环境的完善得到进一步发展;以数据模型中的类与属性为划分对象,以RDF三元组形式入手对词表重用实现方式进行深入研究,有助于明确各种方式之间的差异性及适用环境,能够有效地指导用户运用已有词表对数据集的类、属性及其取值范围进行准确描述,从而提升数据集的质量。图2。表1。参考文献16。     

基于潜在语义分析的微博主题挖掘模型研究

为了弥补目前微博平台主题挖掘方法的不足,兼顾到微博信息的稀疏性、多维性、海量性等特点,提出根据微博信息特点进行有针对性的预处理后,使用基于先验概率的潜在语义分析模型LDA(Latent Dirichlet Allocation)进行微博主题挖掘,并在LDA建模的基础上,设计文本增量聚类算法,进一步实现主题结构的识别,从而使用户更好地理解主题及其结构。通过在真实微博数据集上的实验,证明该模型能有效进行主题挖掘和主题结构的识别。     

基于隐马尔科夫模型的专利功效词识别

随着专利数据规模的不断增长,对专利数据的深入挖掘也变得日益重要,特别是专利数据中所蕴含的技术功效等信息具有较高的价值。本文提出了一种基于隐马尔科夫模型的专利功效词识别方法,通过词法与句法分析筛选出候选功效词,在此基础上,采用隐马尔科夫模型并结合专利发明改进的特征设计了功效词识别算法,对候选功效词进行过滤。在新能源汽车等不同领域的专利数据集上,以准确率与召回率作为评价标准,验证所提出方法的有效性。实验结果表明,此方法有效提高了识别准确率与召回率。     

融合影响力传播的社交网络群推荐方法

在社交网络中,以用户群体作为服务对象来进行个性化推荐服务,能有效提升推荐效率。已有的研究在进行群推荐时大多仅考虑用户群体的整体兴趣,忽视了群体中用户间的相互影响。为此,本文提出了一种基于影响力传播的社交网络群推荐方法,综合考虑用户自身兴趣与其受核心用户影响而产生的兴趣来进行社交网络群推荐服务。以微博“超话”上的数据为例对本文所提方法进行验证,证明了本文所提方法的有效性,从研究结果来看,加入对影响力传播的考量能显著提升群推荐效果。     

一种基于科技查新的跨库检索去重算法

【目的】通过对科技查新中的跨库检索结果进行去重,提高查新检索效率。【方法】选取不同数据库检索记录中唯一性的特征四元组{论文名称,期刊名,发表时间,第一作者}信息,用改进的I-Match中的对比算法构建检索记录特征字串作为去重的计算依据。【结果】跨库检索去重算法对数据库检索结果进行初步分析和去重,提高查新检索效率。通过测试,算法去重准确率较高,而召回率受数据库收录信息完善度的影响,还有提高的空间。【局限】算法处理效果依赖于从数据库检索记录中提取特征四元组,由于不同数据库的检索返回结果存在差异,需要针对不同论文数据库定制检索记录特征抽取模板。【结论】通过实验测试,算法具有较高的去重准确率和处理效率,符合预定科技查新需求。     

基于社交关系和影响力的在线社交网络用户兴趣偏好获取方法研究

在线社交网络成为人们网络生活的最主要平台,人们基于兴趣偏好等原因集聚形成各个网络社区,共同参与感兴趣话题的讨论,表达自己的观点和看法,寻找感兴趣的内容,因此识别在线社交网络中用户的兴趣偏好,具有重要意义.本文首先分析用户在社交网络中的行为,提出从用户发布信息、基于共同参与话题的社交关系中寻找相似兴趣最近邻,和再考虑用户在社交网络中影响力的相似兴趣最近邻,三种获取用户兴趣偏好的方法.最后利用百度贴吧数据集实验,比较三种方法的使用效果.实验表明考虑用户影响力的最近邻方法获取用户兴趣偏好的方法效果最好,而且这种方法不需要利用用户本身信息,仅仅只需要通过其最近邻用户就可以获得更加准确的用户兴趣偏好.     

社交媒体用户使用行为的影响模型研究——以上海市文化创意产业园区为例

【目的】近年来，上海文化创意产业呈现高质量发展态势，上海已成为国内发展文化创意产业的“排头兵”和先行者。但目前文化创意产业园区仍存在社交媒体影响力较小、知名度低、空租率高的问题，如何提高社交媒体的影响力，提升知名度，成为目前上海市文化创意产业园区未来发展的重要方向。【方法】针对这一情况，文章采用扎根理论和深度访谈设计社交媒体用户使用行为的因素，并结合技术接受模型与AISAS模型，构建影响用户使用社交媒体的理论模型。【结果】以上海市文化创意产业园区社交媒体用户使用行为情况为例，通过问卷调查和结构方程方法进行实证分析，验证了影响因素之间的关系，创新性地建立出三个理论结构模型，提出影响社交媒体传播效果的因素。【结论】根据三个理论模型之间的影响关系，借鉴国内外优秀做法，从三个维度提出建设有影响力的社交媒体矩阵的创新路径。     

社交时代背景下移动短视频的传播特点与发展策略研究

【目的】探讨社交时代下移动短视频具有的传播特点以及发展策略。【方法】通过查阅文献,并结合多年的工作实践总结归纳社交时代背景下移动短视频具有的传播特点,探讨发展对策。【结果】移动短视频具有良好的用户参与性、互动性强、从泛娱乐化朝向垂直内容发展、传播速度加快,裂变效应强等特点。但也存在内容碎片化,泛娱乐化,缺乏正确的价值观;用户准入门槛低,内容同质化严重;头部IP垄断,存在不少侵权行为等问题。【结论】社交时代移动短视频应从四方面加以完善：建立实名制与黑名单制度;构建健康合理的短视频内容生产系统;提升用户的个人媒介素质;进一步完善监督举报制度。     

“互联网+”时代出版业社交化战略分析

在刷微博、刷朋友圈等行为已成为习惯的“泛社交时代”,出版业需要改变轻视社交的传统观念,建立基于新的媒介生态的社交化战略,因为社交(社交中的大数据)是发现用户、认知用户和留住用户,并且是寻求新的商业模式的关键.在“互联网+”时代所构建的万物互联环境下,出版业社交战略需要经营者把握社交发展的三大方向,在充分挖掘社交两大价值基础上抓住社交构建五大关键点.     

融入情感差异和用户兴趣的微博转发预测

[目的/意义] 微博转发是实现微博信息传播的重要方式,对用户转发行为进行研究可以更好地理解微博信息传播机制,对热点话题检测、舆情监控、微博营销等具有重要意义。针对以往研究中用户兴趣表示不够全面准确以及未考虑情感差异对用户转发行为的影响,提出一个融入情感差异和用户兴趣的微博转发预测模型。[方法/过程] 该模型首先从维基百科中提取概念语义关系构建维基知识库,将其作为语义知识源对微博文本进行语义扩展,解决语义稀疏问题;对语义扩展后的用户历史微博进行聚类,提取用户兴趣主题和主题对用户的影响力;然后计算微博中各类情感的情感强度,提取情感差异特征;最后结合用户行为特征、用户交互特征、微博特征、用户兴趣特征和情感差异特征,运用SVM实现微博转发预测。[结果/结论] 在新浪微博真实数据集上进行实验,验证了所提模型的有效性。     

微博信息挖掘技术研究综述

对目前微博信息挖掘技术中的微博内容挖掘及用户关系挖掘的研究情况及相关方法进行介绍及归纳,认为其中微博内容挖掘主要包括微博短文本挖掘、话题趋势检测、情感倾向性分析等方面,用户关系挖掘主要包括用户群体特性、用户社区发现、意见领袖挖掘及微博传播模式等方面;指出这些方法的局限性,并对微博信息挖掘的发展进行展望,以为进一步研究提供参考。