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。     

基于时间兴趣因子的网络表示学习图书推荐模型研究

[目的/意义]通过分析图书馆的图书流通数据,本文提出一种基于时间兴趣因子融合网络学习的图书推荐模型—TIF＿N2V＿CF。[方法/过程]评估用户借阅图书的时间间隔并定义兴趣因子权重,根据流通数据构建同质关系网络;网络表示学习将得到的特征矩阵输入融合推荐模型并得到推荐结果。[结果/结论]实验表明,TIF＿N2V＿CF模型的召回率在top z=10和z=20时分别为0.1302、0.2031,高于未引入时间兴趣因子的N2V＿CF模型。TIF＿N2V＿CF模型将时间兴趣因子引入到网络表示学习,对融合用户和图书的特征矩阵进行相似度计算,解决图书借阅流通数据中同一时间包含多本图书借阅记录造成的难以序列化的问题,缓解数据稀疏和冷启动对模型性能的影响,提高了推荐精度。     

基于网络结构和文本内容的群体画像构建方法研究

[目的/意义] 在基于社会网络的用户画像研究中，针对传统用户建模难以处理复杂网络关系，群体构建多基于内容，以及群体相似度低或紧密性差的问题，提出基于网络结构和文本内容的群体画像构建方法。[方法/过程] 首先，采用卷积神经网络方法，融合网络结构和文本内容两方面特征将网络用户表示成空间向量，其次，在k-means算法基础上结合模块度计算方法，对空间向量进行聚类，然后，在爬取的中英文数据集上分别进行对比研究，最后，从中文数据集中选取1 000名重要性用户进行实例分析。[结果/结论] 实验结果表明，该方法的密度值比基于内容的方法平均增加0.105，熵值比基于结构（含基于结构和内容）的方法平均减少0.955，实例分析进一步说明文中方法的可行性。     

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。     

基于复合词生成的网络热点话题识别及描述算法

[目的/意义]在海量网络新闻和微博等新媒体文本中自动识别网络热点话题并抽取有意义词串来描述热点事件,对自动识别和描述网络舆情具有重要的研究意义。[方法/过程]在现有热点描述词抽取方法中,利用关联规则或多元词组合方法在抽取过程中存在噪音词较多和特征词语义被放大或转移等问题。本文提出一种基于复合词生成的描述词抽取方法,在所提取的语义更为精确的描述词集合上使用一趟聚类算法对新闻文本进行聚类,自动识别网络热点话题并对热点话题进行排名。[结果/结论]对腾讯新闻事件文本数据集所做的实验结果表明,本文所提出的方法较传统的词特征抽取方法在聚类结果上具有更好的话题簇识别能力和簇描述能力。     

基于查询意图的细粒度图书分面检索研究

[目的 /意义]构建基于用户评论的图书分面体系和图书查询意图的分面检索模型,提升用户图书检索体验。[方法/过程]在调研大规模图书评论数据的基础上,立足图书评论数据特征进行细粒度图书分面体系构建,在此基础上,引入查询意图识别模块来构建图书分面检索模型,并进行原型系统的实现以验证模型的可行性和效果。[结果 /结论 ]通过原型系统的实现证实了所构建的细粒度分面体系能够有效帮助用户筛选和定位图书检索结果;提出的分面检索模型操作便捷,并能够结合用户的查询意图有效减少信息过载的问题,具有良好的用户体验。     

多特征融合的突发公共卫生事件潜在谣言传播者识别

[目的/意义]突发公共卫生事件中谣言的迅速传播可能会引发群体性的焦虑和恐慌,识别社交媒体中潜在的谣言传播者,研究及评估影响谣言传播者识别的重要特征,为舆情管控和网络治理提供策略。[方法/过程]提出一种突发公共卫生事件情景下多特征融合的潜在谣言传播者识别模型,首先基于BERT-BiLSTM模型提取微博的语义特征,然后与用户特征、微博特征以及情感特征进行融合,最后基于LightGBM算法构建用户分类模型,并利用SHAP值对模型进行分析。[结果/结论]研究结果表明,融合多特征的突发公共卫生事件谣言传播者识别模型在微博数据集上的准确率能够达到87.94%,说明该模型具有较好的识别效果,提出的4个维度的特征对谣言传播者识别均有贡献,其中文本语义特征对谣言传播者识别准确率的提升最高。     

面向科技文献知识表示的知识元本体模型

[目的/意义]随着科技文献资源的急剧增长,用户淹没在科技文献的海洋中,为用户提供快速、精准的细粒度知识元服务将成为未来文献知识检索的发展趋势。[方法/过程]在分析科技文献文本结构的基础上,逐步深入到科技文献的内容中,以期通过构建一种面向科技文献知识表示的知识元本体模型,将科技文献内容中句义完整的细粒度知识点表示成具有统一结构的知识元。[结果/结论]以一篇科技文献为实例,展示笔者提出的基于知识元本体模型的科技文献知识表示方法,但该示例仅呈现了科技文献中引言部分的相关知识点,需进一步验证该知识元本体模型的有效性。     

一种改进的协同过滤方法在高校图书馆图书推荐中的应用

[目的/意义] 为解决高校图书推荐过程中面临的“数据稀疏”和“冷启动”问题,研究表明：优化读者评价矩阵和相似度模型是提高图书推荐质量的关键。[方法/过程] 提出一种协同过滤改进方法,以图书分类为项目生成用户评价矩阵,并考虑借阅方式、借阅时间和图书相似度对用户兴趣度的影响,优化矩阵中的样本数据;同时,在计算读者相似度时融入读者特征和图书特征。[结果/结论] 实验结果表明,该方法可有效解决“数据稀疏”和“冷启动”问题,显著降低计算量。与基本协同过滤和聚类改进的协同过滤方法相比,无论是在推荐准确率还是在用户满意率上都有较大的提高,综合推荐效果更好。     

基于词向量的微博情感倾向分类研究

[目的/意义]微博已成为大众情感表达的重要平台,微博的情感分析在舆情分析、用户体验、商机挖掘等方面有着重要的作用。[方法/过程]提出的情感倾向分类算法WE_SDAE使用单词嵌入的方式将微博表示成一个低维稠密向量,然后通过添加正则项和加噪处理的方式将基本的自动编码器算法优化成深层噪音自动编码器,并在顶层添加分类器,实现情感倾向分类。考虑到微博用词灵活,还从单字和词语两个粒度训练模型。[结果/结论]实验结果表明,基于单字粒度的模型表现优于基于词语粒度的模型。此外,对比实验显示WE_SDAE算法优于传统的SVM、Naive-Bayes、XgBoost等相关算法;单词嵌入的方式优于传统的向量空间模型表示方法,能在微博情感分析中取得较好的效果。     

多维度属性加权分析的微博用户聚类研究

[目的/意义]准确把握社交网络用户兴趣倾向,对用户进行分类并形成高聚合的用户群,对研究社交网络信息生态以及信息推荐有重大意义。[方法/过程]通过构造基于多维度的用户属性描述层次模型,根据模型数据需求从新浪微博抓取用户样本数据,对相关用户背景信息、用户博文信息以及用户行为信息的多维度属性下二阶变量进行量化,构造用户向量表达式,比较单一维度与多维度下的用户分类效果,进一步给属性赋予不同的权重值进行加权分析,在取得最优聚类效果后进行方差分析,对模型进行改进。[结果/结论]基于多维度属性加权后的用户聚类效果明显高于单一维度及多维度非加权条件下的用户聚类,且用户博文内容维度对于提高用户聚类效果的有效性最大。     

基于用户社交网络分析的高校图书馆主题多样性阅读推荐

[目的/意义] 推荐结果覆盖用户的不同兴趣领域,良好的主题多样性对于提高图书馆个性化阅读推荐服务的用户满意度具有重要意义。[方法/过程] 提出一种基于社交网络分析的阅读推荐方法,通过用户的兴趣相似好友,挖掘用户的多样隐性兴趣,为用户提供主题多样性的阅读推荐,并给出具有良好学科主题多样性的高校图书馆图书推荐案例。[结果/结论] 用户社交网络分析可为高校图书馆发现用户的多样兴趣,进而提供主题多样性的阅读推荐服务,构建用户多元知识结构提供新途径。     

中美高校图书馆微博应用比较研究——基于新浪微博和推特的分析

[目的/意义]作为新媒体的代表之一,微博在国内外图书馆中的应用已成为普遍趋势。然而,相关研究大多关注微博在图书馆应用的现状与策略,对国内外图书馆应用微博的特点与不同之处鲜有探讨。通过对中美两国高校图书馆运用微博的现状进行分析,比较两者的异同,为我国更好地应用微博提供参考和借鉴。[方法/过程]以中美两国各10所高校图书馆的微博为样本,从微博的基本情况（包括微博的粉丝数、发文数及发文频率、原创微博的吸引力、与用户的互动）、微博的形式、微博的内容等方面进行分析比较。[结果/结论]发现美国高校图书馆推特与中国高校图书馆微博的粉丝数量相对持平;美国高校图书馆推特的发文数、发文频率及原创微博的发文数、被点赞数和被转发数都高于中国图书馆,但其原创微博的被评论数低于中国;美国高校图书馆更加重视与用户的互动,更加注重与其他社交应用的联动以及注重对馆员的宣传推介;而中国高校图书馆的微博内容更加详细。     

移动互联网环境下用户账号注销机制研究

[目的/意义] 在移动互联网环境下，手机应用（APP）服务商掌握了越来越多的用户数据，注销账号成为用户防止个人信息遭受非法利用的有效手段，账号注销机制的构建对保障用户信息安全具有重要意义。[方法/过程] 在系统调查我国有关法律规定及欧盟GDPR法案的基础上，对国内外主流APP的账号注销机制进行全面梳理，分析其中存在的问题，并提出可行的建设策略。[结果/结论] 提出在覆盖注销前、注销中、注销后三个阶段，由服务商、监管机构和用户三方协作参与的全流程账号注销机制，并指出了面向用户信息安全的管理与服务未来突破与创新的方向。     

基于微博的图书馆社会化媒体营销研究

微博作为一种新型的社会化媒体营销工具,提供了一个用户直接参与交流的平台。以新浪微博为例,介绍图书馆如何构建微博平台,探讨微博在图书馆信息发布、参考咨询、创建用户交流平台及用户研究方面的营销应用,以及运行中需要注意的事项。     

图书主题对用户标签使用行为影响研究

[目的/意义] 更全面地理解用户标签使用行为的影响因素,为标签推荐和应用实践提供指导。[方法/过程] 采用日志分析法,从人均标签个数、标签类型分布两个方面分析图书主题的影响,并以计算机、心理学、经济学、文学作品、绘画5类图书为例,基于社会化标注社区豆瓣网的用户数据进行实证分析。[结果/结论] 图书主题会对用户的标签个数及类型分布具有显著影响:①在标签个数方面,计算机、心理学、经济学、文学作品主题图书的人均标签个数相近,显著高于绘画主题图书;②在标签类型分布上,根据5类图书间的差异可分为3组:计算机、心理学和经济学、文学作品和绘画。这一结论对图书标签推荐及图书分面检索和导航系统的设计具有参考作用。     

基于超网络的微博相似度及其在微博舆情主题发现中的应用

[目的/意义] 准确地计算微博相似度可以提高微博主题挖掘效率，对舆情治理、保障信息安全具有实践意义。针对微博文本语义稀疏、高维的问题，提出一种融入微博非文本特征的超边相似度算法。[方法/过程] 分析微博舆情发生机制，利用超网络模型表示微博舆情主题形成过程，通过计算各层子网相似度及各层子网对主题形成的贡献度构建超边相似度算法。[结果/结论] 研究发现，论文所提出的相似度方法有助于提升微博舆情信息的主题聚类效果，特别是对于文字性表述相似程度高的微博信息，具有明显的主题区分性。