TCL语言在UG／Post中定制用户命令的运用研究

本文介绍了在UG/Post中通过使用TCL语言来定制用户命令的方法,并通过列举四个实用且常用的命令,阐述了TCL语言在UG/Post中的运用.在实际加工中,用TCL语言定制命令,用户基本上可以完成各种加工的要求.     

基于元分析的在线学习用户使用行为研究

[目的/意义] 为发现不同研究背景中在线学习用户使用行为的普遍规律,消除研究时间、调查样本等带来的影响,归纳和梳理该领域的研究结论。[方法/过程] 采用元分析方法对国内外在线学习用户使用行为研究的64篇文献,21 227个独立样本进行综合分析。[结果/结论] 研究结论发现共有25个因素与在线学习用户使用行为显著相关,其中强度相关因素主要集中在用户、系统两方面,中度相关有社会影响方面,弱相关因素并未出现。具体而言,影响最大的是使用态度、感知便利性和感知娱乐性,影响较弱的是个人创新、计算机焦虑和信息质量,感知自主性和服务质量没有显著影响。同时,针对研究结果,结合在线学习平台的现状,从用户、系统和社会方面提出了优化在线学习服务的建议。     

基于在线健康社区用户画像的情感表达特征研究

[目的/意义]通过构建在线健康社区用户画像,解释不同用户群体的情感差异和特征,以掌握社区用户情感表达规律,推动在线健康社区的信息支持与情感支持功能建设。[方法/过程]首先,分析建立用户画像的目的,结合在线健康社区的数据特点建立包含基本信息、情感、主题和信息行为特征的用户画像概念模型。其次,确定各用户的标签属性,对标签属性进行抽取。最后,结合情感标签对用户角色进行划分,利用具有噪声的基于密度的空间聚类方法(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)实现了用户画像并分析不同角色的画像特征。[结果/结论]提出的方法可以有效生成贴近用户原貌的画像并识别用户情感表达特征。通过实例分析挖掘出焦虑型、愤怒型、祈祷型、乐观型和悲哀型等5类社区用户群,各用户群体在性别、年龄、影响力、活跃度和兴趣主题方面均表现出不同的情感特征差异。     

基于舆情画像的在线社交用户信息传播特征统计分析

[目的/意义]在线社交用户的信息行为对网络舆论生态环境的构建具有重要的指导意义。[方法/过程]借鉴"用户画像"的思想,提出了在线社交用户舆情画像的概念,围绕人类动力学研究视角构建了在线社交用户的舆情画像模型,最后从舆情信息传播的时间间隔分布、活跃度分布、时间间隔重标度、交互热度、阵发性和记忆性等方面对在线社交用户信息传播行为特征进行了实证分析。[结果/结论]研究结果表明,在线社交用户"舆情画像"可全面揭示其网络信息行为特征,实现对用户基本信息与舆情传播信息的有效收集、有效识别与定量分析,从而为网络舆情生态环境的完善提供参考。     

在线社区的知识增殖:用户行为与用户信任的互惠关系研究

[目的/意义] 知识增殖已成为判别在线知识社区成功与否的具体标准。将Web2.0技术所支持的用户行为视作知识增殖的载体,将社区规则、规范所鼓励的人际信任视作知识增殖的条件,考察用户行为与用户信任的互惠因果关系,探索在线社区知识增殖规律。[方法/过程] 采用问卷调查法获取332份有效样本,运用AMOS20.0软件检验模型假设。[结果/结论] 用户行为的发展过程为"知识搜寻行为—知识应用行为—知识贡献行为";用户间信任的发展过程为"认知信任—情感信任",用户行为和用户信任互为因果、二者相互促进实现在线社区知识增殖。     

面向在线评论的用户需求分析框架与实证研究--基于KANO模型

[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。     

面向在线评论的用户需求分析框架与实证研究--基于KANO模型

[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。     

基于IP网络队列调度算法的研究

文章重点研究了在区分服务模型的体系结构下队列调度关键技术的实现。即：针对核心路由器上的队列调度机制进行研究比较,对优缺点加以分析,使其能够不同的网络业务提供不同的服务从而实现QOS。     

一种基于用户行为静态建模的在线客服系统

交互式信息服务模型强调人机交互过程中对用户动态的反映,注重用户认知因素和非认知因素的结合,旨在构建支持对用户自适应的用户模型。通过提出使用模糊集的方式,对在线用户进行建模,同时描述了基于这种用户模型进行用户行为在线跟踪和用户行为预测的方法,并介绍一个系统实现构成。     

COUNTER在线图书和参考资料使用统计标准

目前COUNTER体系已经成为网络化电子资源使用统计报告数据处理、审核和提交的国际化标准，文章详细介绍了最新的《COUNTER在线图书和参考资料使用报告实施规范》，包括统计内容、术语定义、数据处理、报告的格式及提交等。     

基于情感依恋的用户高质量在线评论信息生成模式

【目的/意义】以用户的情感依恋为视角,探究情感驱动下用户生成在线评论信息的内容特征与行为规律, 为有效识别用户生成高质量在线评论,积极引导用户生成意愿以及优化社区评论质量管理提供理论依据与参考借 鉴。【方法/过程】在梳理已有研究基础上识别用户生成在线评论信息质量特征,深入分析用户情感依恋与高质量在 线评论信息的内在关联。结合依恋理论系统分析情感依恋驱动下用户生成在线评论信息的内容特征,并在此基础 上探索用户在线评论信息的生成路径。【结果/结论】情感依恋是用户生成高质量评论重要的动力来源、内容来源与 情感来源。情感依恋驱动下用户生成高质量在线评论信息具有三个“集合特征”。用户在情感依恋的驱动下存在 一条由“情感唤醒形成总体观点”到“心理情境确立评论主题”再到“情感语义表达引导评论内容”的评论信息生成 路径。     

用户供电可靠性统计评价系统研究

用户供电可靠性是供电企业对用户持续供电能力的具体反映,是供电企业一项主要的电能质量指标。开展低压用户供电可靠性统计评价,是进一步提高设备运行管理水平的需要,也是供电企业塑造企业形象、提高经济效益的需要。     

在线电子资源使用统计的新标准——COUNTER

随着电子资源的迅猛发展，在线电子资源使用统计新标准——COUNTER已经被国外很多出版商所采用。本文介绍了COUNTER最新版本的体系结构，并结合我馆电子资源的使用报告，分析COUMTER使用统计报告的具体体现形式和作用。     

在线健康社区用户持续使用意愿研究——基于感知价值理论

[目的/意义]为了在线健康社区的可持续发展，增强用户粘性，有必要对在线健康社区用户持续使用意愿影响因素进行研究。[方法/过程]通过感知收益和感知成本来衡量感知价值，并将感知价值理论结合期望确认模型构建了在线健康社区用户持续使用意愿的结构方程模型，采用问卷调查方法收集数据，利用AMOS 21.0验证模型中的假设。[结果/结论]研究结果表明：来源可靠性、信息准确性及时效性的提高能有效提高用户感知收益，进而对感知价值产生正向的影响；而更高的隐私安全性与反馈及时性则能通过降低感知成本提高用户的感知价值；感知有用性和感知价值显著影响用户满意度，进而影响用户持续使用意愿；相比于感知价值，在线健康社区中感知有用性对用户满意度的影响相对较小。     

基于三方演化博弈的在线健康社区用户隐私披露行为研究

[目的/意义]探究在线健康社区用户的隐私披露行为及其演化规律对促进用户隐私披露行为、提升社区隐私保护及完善互联网医疗体系均有重要意义。[方法/过程]文章构建了“用户—在线健康社区—政府”三方演化博弈模型,并求解了不同情境下的演化稳定策略,最后采用数值仿真验证了模型及演化结果的准确性。[结果/结论](1)用户披露个人隐私是形成最优演化路径的主要驱动力;(2)用户披露个人隐私后获得的医疗服务支持、情感支持等因素会影响用户的博弈策略;(3)隐私泄露造成的期望损失和实施“积极保护”付出的额外成本等因素会影响社区的博弈策略;(4)声誉收益和采取“高投入监管”付出的额外成本等因素会影响政府的博弈策略。对此,提出建议：多措并举,提升用户显性收益;健全机制,降低“积极保护”成本;强化监管,发挥奖惩双重效用。     

在线健康社区用户健康信息态度的形成机理研究

[目的/意义]探究在线健康社区用户健康信息态度的构成要素和形成机理,有助于揭露在线健康社区中用户的健康信息态度,为相关机构推进在线健康社区的平台建设与资源管理优化提供思路。[方法/过程]以ABC态度模型和精细加工可能性模型为基础理论,以好大夫在线健康社区用户为研究对象,利用扎根理论方法提取用户健康信息态度的构成要素,分析各要素之间的逻辑关系,最终构建并分析出用户健康信息态度的形成机理。[结果/结论]在线健康社区用户健康信息态度由认知(感知信息内容质量、感知信息效用价值与信息来源可信度)、情感(愉悦度与唤醒度)和采纳行为三要素构成。健康信息态度的形成机理包括以下4类：大众性态度的形成,用户以中心认知为主,边缘认知为辅,情感反应偏向愉悦度;习惯性态度的形成,用户主要采用边缘认知的方式处理信息,情感反应中愉悦度和唤醒度均有出现;常规性态度的形成,愉悦度更能激发用户对健康信息采纳的及时性,唤醒度则反映用户对健康信息采纳的迟滞性;小群体态度的形成,愉悦度对激发用户边缘认知的作用效果更显著,唤醒度则在促进用户中心认知方面的效果更显著。     

基于扎根理论的用户生成在线医评信息的影响因素研究

[目的/意义] 在线医评信息对构建互联网医疗信任十分重要,但目前医评网站中医生人均评论十分有限。因此,探索用户生成在线医评信息的影响因素有利于促进互联网医疗的发展。[方法/过程] 对34位健康信息用户进行半结构化访谈,基于扎根理论对资料进行开放性编码、主轴编码和选择性编码。[结果/结论] 通过分析得到45个初始概念、15个范畴及对应的用户认知、用户个体特征、医疗环境和医生特征4个主范畴,在此基础上构建了用户生成在线医评信息的影响因素模型,并从医疗政策、医疗服务提供者、网络医疗平台和网络用户4个方面提出相应的激励对策。研究结果对在线医评信息生成的影响因素提供了理论支持,对促进在线医评信息的生成提供了对策和思路。     

基于系统评价法的用户在线健康信息接受驱动情境模型构建

[目的/意义]旨在探究用户在线健康信息接受驱动情境,构建维度模型,有利于促进用户对在线健康信息的使用和健康信息服务的推广。[方法/过程]本研究收集和分析国内外用户在线健康信息接受的相关文献,利用系统评价法,结合NVivo12质性分析软件进行分析,梳理并抽取用户在线健康信息接受驱动情境因素,构建用户在线健康信息接受驱动情境维度模型。[结果/结论]用户在线健康信息接受驱动情境主要包括目标导向、认知范式、外源刺激及情感趋同。据此,为优化在线健康信息服务提供相应对策。     

在线健康社区用户信息需求的层级多标签分类研究

[目的/意义]用户健康信息需求研究能够发现用户潜在需求,解决用户健康信息盲区,帮助用户实现更好的自我健康管理。研究目标为挖掘识别用户信息需求主题,提取用户特征,促进完善网络社区交互性与多元性发展,为更好地改善健康信息服务提出建议与意见。[方法/过程]针对在线健康社区的母婴群体,提出在线健康社区用户信息需求层级多标签分类模型。通过扎根理论提出在线健康社区用户信息需求主题体系,利用ALBERT对母婴健康需求类数据进行预训练,使用双向GRU与注意力机制构建基础分类器,以此来构建层级多标签分类模型Multi-BiGRU-Attention,实现在线健康社区提问数据的层级多标签分类。[结果/结论]实验对比发现,随着层级的增加,研究提出的模型相比于单层的基础分类器BiGRU-Attention在micro-Precision, micro-Recall, micro-F1等各项指标上均有所提升,说明该模型的层级结构信息能够一定程度上改善模型效果;相比于层级多标签相关模型,在各项指标上均有所提升,说明该模型存在一定的适用性与扩展性。