国家社会科学基金(10CTQ025)
- 作品数:13 被引量:143H指数:9
- 相关作者:易明邓卫华毛进操玉杰徐佳更多>>
- 相关机构:华中师范大学华中农业大学武汉大学更多>>
- 发文基金:国家社会科学基金教育部人文社会科学研究基金中国博士后科学基金更多>>
- 相关领域:文化科学自动化与计算机技术理学更多>>
- 基于社会化标签网络的细粒度用户兴趣建模被引量:19
- 2011年
- 针对目前由社会化标签抽取用户兴趣模型过程中存在的问题,在借鉴社会网络分析的基础上,提出构建网站层次和用户层次的社会化标签网络对用户产生的社会化标签进行序化,进而分别得到反映主题领域的社会化标签使用文档和用户标签网络,通过两者相似度的计算形成细粒度用户兴趣模型。实验结果能够验证该模型的科学性。
- 易明毛进邓卫华
- 社会性软件对知识传播的影响研究被引量:5
- 2013年
- 在剖析了社会性软件在知识传播中的功能定位的基础上,联系知识传播媒介与两大直接作用点的关系,探讨了社会性软件对知识传播的影响机理及结果。研究结果表明,社会性软件的应用有助于知识传播的实现,能够优化其传播的效果和效率。
- 操玉杰易明毛进
- 关键词:知识传播社会性软件影响因素
- 社会化标签系统中基于组合策略的个性化知识推荐研究被引量:18
- 2011年
- 分析了基于社会化标签的个性化知识推荐研究的现状与不足,结合组合推荐中的变换策略和混合策略,建立了社会化标签系统中基于组合策略的个性化知识推荐系统架构,探讨了组合推荐所涉及的社会化标签—评价矩阵、社会化标签网络、知识互动型社会网络的相关问题。
- 易明邓卫华徐佳
- 关键词:社会化标签个性化知识推荐
- 社会化标签系统中基于密度聚类的Web用户兴趣建模方法被引量:19
- 2011年
- Web用户兴趣模型在个性化信息服务中有着非常重要的作用。本文利用社会化标签的独特优势,针对传统社会化标签聚类方法的局限性,提出了一种基于密度聚类的Web用户兴趣建模方法。首先建立基于社会化标签的向量空间模型,并将社会化标签表示为Web资源及其权重的形式,以此为基础利用DBSCAN算法对其进行聚类,进而依据所有Web用户的标注行为以每个聚类为中介计算特定Web用户对Web资源的兴趣度来构建Web用户兴趣模型。实验结果表明了该方法的优越性。
- 易明操玉杰沈劲枝毛进
- 关键词:社会化标签聚类DBSCAN
- 基于标签的个性化信息推荐研究综述被引量:21
- 2011年
- 标签系统构建的"用户—资源—标签"之间的三元关系为个性化信息推荐提供了新的研究思路,引起了部分学者的密切关注。本文依据推荐算法的不同,总结归纳了国内外基于标签的个性化信息推荐研究的相关成果,分析了现有研究的不足,展望了基于标签的个性化信息推荐研究的趋势。
- 易明邓卫华
- 关键词:标签个性化信息推荐
- 基于点击流的个性化信息检索研究被引量:9
- 2011年
- 针对个性化信息检索的三大目标,提出了利用点击流实现个性化信息检索的思想,阐述了基于点击流的个性化信息检索原理,构建了面向个性化信息检索的点击流信息运动过程模型,并从语法层次、语义层次和语用层次建立了基于点击流的个性化信息检索方法体系。
- 易明操玉杰毛进
- 关键词:点击流个性化信息检索全信息
- 个体隐性知识产生与显化的螺旋运动模型及应用研究被引量:1
- 2013年
- 文章从个体隐性知识的产生这个根本问题入手,借鉴认知心理学中的内隐学习理论揭示了个体隐性知识的产生机理,以此为基础利用认知心理学中的重复表征模型阐述了个体隐性知识显化的基本原理,进而构建了个体层面的隐性知识产生与显化的螺旋运动模型,以此为依据设计了图书馆知识社区用户隐性知识产生与显化的应用框架。
- 易明徐佳邓卫华曹高辉
- 关键词:隐性知识内隐学习知识模型
- 基于用户行为的信息用户满意度模型探析被引量:13
- 2014年
- 随着用户在信息服务中参与度的提高,信息用户的行为及满意度逐渐成为信息服务评价的关键要素之一。当前,信息服务绩效评价对用户满意的测度还缺少有效的理论模型的支撑,而现有信息服务质量和信息用户满意度研究的理论依据也主要源于企业及营销学领域。探索如何构建适用于信息服务及管理的、体现信息用户行为和心理特征的信息用户满意模型可以为进一步开发信息用户满意度评价体系做铺垫。
- 邹瑾严瑜
- 关键词:信息用户满意度
- 标签系统中基于潜在社会网络的知识传播研究
- 2013年
- 针对标签系统中显在社会网络在知识传播方面的不足,本文提出了潜在社会网络的构建,并讨论了标签系统中的知识代理系统利用潜在社会网络进行知识传播而形成的知识传播网络构造方法,以此为基础进一步分析了基于潜在社会网络的知识传播网络演化模式。
- 易明邓卫华徐佳
- 关键词:标签
- 一种基于用户标签网络的个性化推荐方法被引量:10
- 2012年
- 基于标签进行个性化推荐是目前的一个研究热点,不同的推荐算法对标签进行了不同的处理。用户使用的标签之间存在着某种内在联系,由此可构建用户标签网络。根据这一启示,本文提出了一种基于用户标签网络的个性化推荐算法。首先,将用户标签网络视为用户兴趣模型雏形,利用社会网络分析方法计算标签权重,并以加权标签集的形式表示用户兴趣模型,最后将标签权重转化为资源与用户兴趣的相似度,进而实现个性化推荐。实验表明,本方法能较为准确地揭示用户的兴趣,产生的推荐资源与用户兴趣匹配程度较高。
- 毛进易明操玉杰沈劲枝
- 关键词:社会网络分析用户兴趣模型个性化推荐