分类： 图书馆学、情报学 >> 情报学 提交时间： 2023-04-01 合作期刊: 《图书情报工作》
摘要： [目的/意义] 基于网络社交平台中社群话题及用户兴趣挖掘而生成的社群标签，能够提高社群定义的及时性与准确性，解决用户信息获取、网络社群选择的困难。[方法/过程] 通过对网络社群的深入分析，发现社群特征可根据社群话题及用户兴趣予以表征。首先，利用主题提取BTM模型对网络社群话题进行主题模型训练，从而得到网络社群话题预标签；其次，根据社群成员兴趣标签网络中不同类型的重要节点指标，利用TOPSIS多指标综合评价方法挖掘成员整体兴趣，从而得到网络社群成员兴趣预标签。综合两者结果生成社群标签并进行优化，且以"豆瓣小组"为例进行实证。[结果/结论] 基于社群话题及成员兴趣的社群标签生成模型能够准确地挖掘主要兴趣及近期关注点，社群整体的标签生成有利于网络用户兴趣群体的选择。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2017-12-05 合作期刊: 《数据分析与知识发现》
摘要： 【目的】利用用户标签及关系网络, 为用户推荐潜在的相似用户。【方法】通过探究社会化标注系统中标 签、关系网络所表征的用户长短期兴趣特征, 综合用户标签及关注关系, 利用多维尺度法构建用户聚类模型, 根 据用户聚类结果进行相似用户推荐, 并以“微博”为例对模型进行实证。【结果】实验结果表明, 基于标签和关系 网络的用户聚类模型能够有效地结合用户长短期兴趣特征, 挖掘潜在相似用户, 聚类及推荐效果较好。【局限】 样本数据集具有局限性, 不能完全涵盖用户兴趣领域, 仅从一个领域验证了模型的准确性与有效性。【结论】通 过对用户标签及关系网络挖掘用户长短期兴趣, 构建的基于用户静态标签与动态关系网络的用户推荐模型, 对 个性化用户推荐效果有较好的提升。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2017-11-30 合作期刊: 《数据分析与知识发现》
摘要： 【目的】利用用户标签及关系网络, 为用户推荐潜在的相似用户。【方法】通过探究社会化标注系统中标 签、关系网络所表征的用户长短期兴趣特征, 综合用户标签及关注关系, 利用多维尺度法构建用户聚类模型, 根 据用户聚类结果进行相似用户推荐, 并以“微博”为例对模型进行实证。【结果】实验结果表明, 基于标签和关系 网络的用户聚类模型能够有效地结合用户长短期兴趣特征, 挖掘潜在相似用户, 聚类及推荐效果较好。【局限】 样本数据集具有局限性, 不能完全涵盖用户兴趣领域, 仅从一个领域验证了模型的准确性与有效性。【结论】通 过对用户标签及关系网络挖掘用户长短期兴趣, 构建的基于用户静态标签与动态关系网络的用户推荐模型, 对 个性化用户推荐效果有较好的提升。
点击量
点击量
下载量
评论
