社交网络平台用户特征识别及其行为演变--以微博为例

根据微博用户特征进行聚类,识别不同类别的用户特征;依据行为数据,分析用户不同使用行为的差异。对于优化社交网络平台、推进用户持续使用等具有重要意义。使用八爪鱼采集器抓取微博平台1200个用户的样本数据以及13840个微博数据,运用数理统计方法进行统计分析和归纳,探讨用户个人特征和行为规律。研究结果显示,微博用户无论在用户特征变量还是行为变量方面,均存在高度相关性。通过聚类结果进行不同类别用户特征的比较。在微博使用中发现持续使用、中较使用、停止使用等用户不同使用行为以及动态特征。

基于真实世界数据的儿科处方流转平台用户特征比较研究

目的/意义基于儿科处方流转平台真实数据开展使用者特征比较研究,以期完善我国儿科处方流转服务和相关平台建设,为提高处方流转平台服务能力提供参考。方法/过程收集2019年9月10日—2023年7月31日使用北京儿童医院处方流转平台购买药品的患儿信息,根据药品获取途径分为线上购药组和线下购药组,采用JMP 17.0(SAS)统计分析,组间比较采用Pearson χ^(2)检验。结果/结论两组人群的社会人口学特征、就诊行为特征、单次开药处方特征差异均有统计学意义。儿科处方流转平台在医联体单位具有较大潜力,线上模式是实现跨院药品流转的良好应用场景。根据不同用户群体建设多中心线上药品物流中心和线下药房等措施能有效提升平台服务能力。

新能源经济发展视角下公共充电桩用户特征调查分析

“十四五”期间,中国新能源汽车产业飞速发展,充电换电作为一种更高效、更集约、更低碳的补能模式,相比化石燃料具有更高的能源转换效率,且公共充电桩的智能管理功能也能带来节能效益。结合国家政策,对新能源汽车车主使用公共充电桩满意度进行调查,将对充电桩的满意度分为整体、质量、便捷、价格和体验5个维度,建立结构方程分析各维度对公共充电桩整体满意度的影响。结果显示,影响居民对公共充电桩满意度的直接因素是质量、价格、便捷和体验,其中体验对公共充电桩满意度的影响最大。最后提出应从充电桩安全质量、用户需求及车主建议入手,建立政府和运营平台协同的合作机制,为新能源充电桩的发展提供支持。

基于用户特征的产后母婴康复机构卧室家具设计研究

文章旨在探究基于用户特征的产后母婴康复机构卧室家具设计方法,关注产妇及新生儿群体的特殊需求。通过梳理产后母婴康复机构发展现状,对产后母婴康复机构运营模式及卧室家具现状进行比较分析,明确不同运营模式下机构卧室家具的优缺点;总结归纳了产妇和新生儿的生理、心理及行为特征;基于用户特征从家具配置、功能和情感化方面提出设计方法并进行卧室床头柜设计实践,以期为产后母婴康复机构行业卧室家具设计提供思路和方向,助力产后母婴康复行业向精细化、品质化、个性化发展。

使用、扩散、狂欢:ChatGPT的用户特征及使用动机分析

作为人工智能发展过程中的重要里程碑,ChatGPT能够辅助或取代用户生成文本内容,因此在信息行为研究领域备受关注。本文基于使用、扩散、狂欢三个阶段深入探讨了ChatGPT的用户特征及使用动机,依据用户基于任务、社交和娱乐的动机进行媒介接触和使用,阐明了ChatGPT的用户具备高自我效能、高技术接受度和高独特性需求的特征,旨在加深人们对智能传播时代人机关系的理解,为相关领域的发展提供借鉴。

基于用户特征的电力营销信息个性化推荐研究

本文根据实际的推荐需求及标准,进行了结构化推荐特征提取,并采用多目标的方式,通过不断优化和迭代,逐步提高推荐的效率,从而完成对多目标推荐框架设计,为后续的推荐算法实现和应用奠定了坚实的基础。本次所设计的方案最终得出的平均绝对偏差被较好地控制在0.3以下,说明在用户特征这一条件的限制下,设计的电力营销个性化推荐方法的针对性与稳定性较强,推荐的方向及精准度较好,具有实际的应用价值。

基于用户特征挖掘的电网多维数据协同可观测性模型研究

目前的电网数据协同可观测性模型主要针对单个或少数几个可观测源,未考虑电网中多维度数据,导致观测的数据偏差较大,对此设计一种基于用户特征挖掘的电网多维数据协同可观测性模型。构建电网拓扑结构后进行分区,建立不同区域下电机动力学方程,获取电网多维数据,对得到数据进行关联规则挖掘,获取频繁项集后进行校正,结合联机分析处理技术实现多维数据的存储。为验证模型在实际应用中的有效性,利用算例对模型进行测试,结果表明:设计的电网多维数据协同可观测性模型在不同的数据类型中的观测数据误差更小,且与实际电网数据之间的拟合精度更高,具有良好的实用性。

基于用户特征的馆藏图书智能融合聚类推荐仿真

为了提高馆藏图书的检索效率,提出基于用户特征的馆藏图书智能融合聚类推荐方法。首先,通过TF-IDF方法提取用户对图书资源的偏好特征,将时间系数融入衰减函数中分析用户在不同时间段的偏好特征变化情况,更新用户偏好特征;然后,采用K-means算法根据偏好特征对用户实施聚类处理,利用改进后的人工蜂群算法对聚类中心展开优化,完成用户聚类;最后,根据用户之间的偏好特征相似度获取目标用户的最近邻居,计算目标用户与最近邻居对图书资源的评分相似度。根据计算结果建立加权融合模型,基于预测用户对未阅读图书资源的评级,选择评级高的图书资源生成推荐列表,实现馆藏图书的智能融合聚类推荐。仿真实验结果表明,所提方法的聚类精度高、覆盖率高、推荐效果好、多样性好。

基于用户特征分析的图书出版服务精准化发展路径构建

“互联网+”产业发展势头迅猛,政策层面大力推动建设国家知识服务平台,数字出版、知识付费等业态推陈出新。用户需求趋向于多元化,服务内容与用户需求之间能否实现精准衔接,是当前出版业面临的主要课题。出版机构应深入分析用户特征,借助内外部技术资源,推动产生新的出版服务模式。通过用户特征分析,可沟通目标受众、描述用户实际需求,助力出版服务科学化、完整化与精准化。

基于用户特征的英语教育信息资源个性化推荐研究

常规的英语教育信息资源个性化推荐方法主要采用IMM(Interacting Mutiple Model)来计算资源个性化推荐的偏好参数。然而,这种方法容易受到推荐维度变化的影响,导致推荐平均绝对误差(Mean Abso-lute Error,MAE)过高。为了解决达个问题,需要基于用户特征设计一种全新的英语数育信息资源个性化推荐方法。具体而言,通过获取用户兴趣构建英语教育信息资源个性化推荐的用户兴趣模型。随后,结合用户的特征,设计教育信息资源个性化推荐算法,从而实现针对用户的英语教育信息资源的个性化推荐。实验结果表明,该方法的MAE值较小,具有良好的推荐效果和可靠性。

问题特征与用户特征对在线用户新冠肺炎疫情知识共享行为的动态影响:问题信息量与问题聚焦度

社交媒体作为信息传递、观点交流和帮助寻求的重要媒介,在新冠肺炎病毒爆发期间发挥着尤为重要的作用。如何促进用户知识共享是社交媒体研究热点。以新冠肺炎疫情为研究背景,从谁在发帖和如何发帖两个维度探究在线知识共享行为。首先,基于LDA算法对相关帖子进行主题聚类,获得帖子的问题特征;纳入问题特征与用户特征,重点关注帖子问题信息量与聚焦度,构建用户知识共享行为的影响因素模型;考虑事件发展的3个阶段,探究影响因素在不同阶段影响的差异性。研究结果表明:通过提高问题聚焦度与信息量可以有效促进用户的在线知识共享行为。在事件发展的不同阶段(初期、爆发期、缓和期),问题特征和用户特征的影响具有异质性。社会认同对身份标识/社会连接与知识共享行为关系的调节作用显著。为知识共享行为的相关研究提供了新的研究视角,研究结果对用户行为和平台规则制定具有一定的指导作用。

微博中基于用户特征的突发事件信息传播分析

[目的/意义]随着社交媒体的普及和发展,微博已成为重要的信息传播平台。理解微博中基于用户特征的突发事件信息传播规律,对于把握事件发展态势、评估信息影响力以及制定有效的应对策略具有重要意义。[方法/过程]通过选取4类突发事件(自然灾害、事故灾难、公共卫生事件、社会安全事件)的典型案例作为研究对象,爬取微博平台上的信息传播用户数据,分析4类突发事件信息传播用户特征及传播规律的差异与共性。[结果/结论]4类突发事件信息传播的受众都具有明显的地域性,经济发达的省份用户关注度普遍较高;各类突发事件的传播用户群普遍集中在传播力强的活跃用户,以及传播力和影响力均较弱的草根用户上,伴随有少量的影响力较强的权威用户参与传播;不同类型的突发事件,传播受众广泛性和性别分布均有所差异。

家用办公边几用户特征分析

随着居家办公模式的发展,边几被广大用户用作办公,但边几的最初功能并不包含办公,因此不同用户在不同情境下有不同的使用问题。通过购物平台的用户评论记录办公边几使用者特征并使用卡片分类法将使用者特征进行分类归纳;根据分类结果从人口学特征、行为特征维度编写问卷问题与选项及半结构化访谈大纲,对问卷结果进行因子分析与聚类分析,将具有共性的用户进行分类,初步分析用户特征。在问卷中选择具有代表性的目标用户进行访谈,使用Nvivo质性分析软件将用户回答进行编码分析,补充定量调研结果缺失的细节与行为原因。最终确认办公边几目标用户以沙发为活动中心,在沙发休息期间完成临时性工作,即办公边几与沙发组合可满足用户在休闲与办公两种状态间自由转换。办公边几的主要用户是离开家乡在新一线、一线城市的未婚租房奋斗青年。次要目标用户是与父母共同居住的未婚青年、小户型未育夫妻。

基于用户特征数据挖掘的用电类别异常诊断

基于用户特征数据挖掘,提出了一种用于用电类别异常诊断的方法。针对用电类别分类和用电行为异常检测2个环节,分别设计了基于决策树、K-means以及支持向量机(Support Vector Machine,SVM)等算法的实验,通过数据统计和深入分析,验证了所提方法的有效性和可靠性。结果表明,该方法可以自动检测用户的用电异常情况,为后续诊断提供依据。

基于用户特征和项目属性的协同过滤推荐算法

在数据极度稀疏的环境下,仅仅依赖用户直接评分数据的传统协同过滤算法无法取得满意的推荐质量。提出基于用户特征和项目属性的协同过滤算法,在用户相似性计算过程中引入时间相关的兴趣度,使得最近邻的确定更加准确;预测评分时,通过衡量用户信任度来体现各邻居对目标用户最终推荐的贡献程度,并以用户对项目属性的偏好度代替评分数据对新项目进行推荐。基于MovieLens数据集进行的实验结果表明,改进后的算法有效解决了系统冷启动问题,明显提高了系统推荐的准确度。

心脏远程监护仪的用户特征及费用分析

就心脏远程监护仪用户的基本特征和检查费用进行了科学分析。从来源看,以住院和门诊患者为主(占97.52%);从性别看,男性(占55.97%)多于女性(占44.03%);从职业看,以干部最多(占57.09%);从年龄分布看,以40～89岁居多(占77.14%);从地区分布看,以本市居多(占75.32%);从戴机天数看,以1天为主(占92.52%);从医疗保障情况看,以自费为主(占95.95%)。从检查费用看,心脏远程监护仪低于动态心电图;随戴机天数的增加,其费用降低愈加明显。心脏远程监护仪不仅使用方便,而且可节约医疗资源,减少卫生投入。

适应儿童用户特征的图形化交互界面设计

目的在信息可视化技术的理论指导下,分析儿童交互界面的设计要点和注意事项。方法结合儿童的生理和认知特点,对图形化交互界面设计的要点进行归纳和总结,提出适应儿童用户特征的图形化交互界面设计思路。结论图形化儿童交互界面设计应充分考虑儿童用户心理及生理特征,以提升用户对交互产品的有效操作和认知目的,提供简洁化、生活化、高反馈、高容差度的交互设计和用户体验,从而引导儿童更好地辨别、理解和使用界面功能。

个性化搜索中的用户特征模型研究

用户特征的描述方式是实现个性化搜索算法的核心因素。针对传统的基于关键词向量空间模型的用户特征描述过于简单,不能全面描述用户兴趣的缺陷,将folksonomy的结构与本体概念的清晰语义相结合,提出一种多层用户特征描述方式。从用户兴趣主题、用户间关联两个不同角度,从用户生成的标签、标记的文档及主题等不同层次建立用户特征描述模型,并将其应用于个性化搜索过程的方式进行分析。同时对个性化搜索的结果评价方式、资源类型对用户特征及搜索结果的影响进行了讨论。在Delicious和Flickr两种不同类型数据集上的实验表明,所提出用户特征模型能够有效提高个性化搜索结果的性能。

基于用户特征的分步协同推荐算法

协同过滤是解决信息过载问题的一种有效技术。针对基于内存的推荐面临着可扩展性问题、基于模型的推荐需要训练大量参数的问题进行了研究,从而提出了基于用户特征的K-means用户聚类算法,然后用分步协同过滤框架融合基于项目和基于用户的协同过滤给每一个聚簇训练一个模型。实验结果表明,提出的算法能极大地提高推荐精度,同时在一定程度上解决了基于模型和基于内存推荐存在的不足。

新浪微博加V用户特征分析

首先对新浪微博加V用户样本数据进行整体统计分析,然后应用两步聚类分析法,选用微博粉丝数、互粉数、关注数和每天微博数等四个指标变量进行聚类分析。研究表明新浪微博加V用户有三类用户群体:大众型、社交型和最具价值型用户群体。最具价值型用户群体是最能帮助企业进行微博营销的核心群体。