基层公共图书馆社区影响力提升策略研究——以美国《图书馆杂志》社区影响力奖为例

提升社区影响力应当成为新时代基层公共图书馆发展的重要方向。文章通过网络调查法和案例分析法,介绍美国《图书馆杂志》社区影响力奖的评选标准,分析近四年获奖的10家公共图书馆案例。获奖图书馆的服务特色主要体现在:联合各界共同参与社区建设;创新服务类型,强化知识服务;促进种族平等与社会公平;积极推动组织变革;实践绿色、共享发展理念。分析我国基层公共图书馆社区影响力的现状,结合上述美国获奖公共图书馆案例,从建立影响力发展规划、构建广泛社会支持网络、促进服务类型多样化以及塑造创新型组织文化等方面给出建议。

一种评估社会网络中重叠社区影响力的方法

社会影响力分析是社会网络研究的热点问题之一.针对社会影响力的研究,目前主要集中于社会网络中个体节点影响力的分析,而对社区级的社会影响力的研究却很少涉及.从一个全新的角度提出一种评估重叠社区影响力的方法.该方法主要包含两个部分:(1)评估每对节点(用户、实体)间的相互影响力,为了量化该影响力,提出一个相互评价学习模型MEL(Mutual Evaluation Learning);(2)基于该模型和PageRank算法的思想,设计了一种重叠社区影响力排序的算法CCIR(Cross-community Influence Rank).真实网络中的实验结果表明,该算法能够适应不同真实网络的场景,合理有效地反应真实社会网络中的社区影响力分布情况.

融合用户兴趣偏好与影响力的目标社区发现

目标社区检测旨在找到符合用户偏好的有凝聚力的社区.然而,所有现有工作要么在很大程度上忽视社区的外部影响,要么不是"基于目标的",即不适合目标请求.为了解决这一问题,提出面向属性网络的融合用户兴趣偏好与社区影响力的目标社区发现方法,挖掘与用户偏好相关且最具一定影响力的高质量社区.首先,综合节点结构与属性信息,挖掘包含样例节点的极大k-团作为潜在目标社区核心,并设计熵加权属性权重计算方法来捕获潜在目标社区属性子空间权重,挖掘用户偏好;其次,融合社区内部紧密性和外部可分离性定义社区质量函数,以极大k-团为核心扩展得到高质量的潜在目标社区;最后,定义社区的外部影响分数量化办法,并结合社区质量函数值及外部影响分数对所有潜在目标社区排序,输出综合质量较高的社区为目标社区.此外,在计算极大k-团的属性子空间权重时,设计了2重剪枝策略提升方法的性能和效率.在人工网络和真实网络数据集上的实验结果印证了所提方法的效率和有效性.

规模受限的影响力社区搜索

社区搜索用于返回包含给定查询结点且符合查询条件的密集连通子图.目前,大部分已有社区搜索方法主要关注社区的结构,没有考虑到特定应用中资源受限的情况,且忽略了社区的属性特征,无法满足用户对社区搜索的个性化要求.针对该问题,本文提出了规模受限的影响力社区搜索(Size-Constrained Influential Community search,SCIC),设计了基于深度优先搜索的基础算法,在此基础上进一步提出了基于结点预处理、剪枝规则和贪心策略的优化算法,用于减少冗余计算,加速枚举过程.在10个不同规模的数据集上进行实验,实验结果表明基础算法在搜索获得的社区规模和影响力上均优于已有算法,同时,本文提出的优化算法能够显著提升搜索效率,将响应时间缩减至基础算法的1%.

在线社会网络的动态社区发现及其演化

分析了目前动态社区发现及其演化所存在的问题,提出了一种新的动态社区演化方法.该方法利用静态社区挖掘算法提取不同时间快照的每个社区,然后计算出相邻快照的社区之间的演化影响力,进一步分析连续快照中社区结构的发展演化过程.在新浪微博、网络测量Gnutella等大规模实验数据集上的验证,证明了该方法的有效性.此外,实验中还分析了社会网络中节点的出现和消失的频繁程度会影响社区稳定性以及社区结构的演化.