基于三度影响力的社交好友推荐机制

针对社交网络中的好友推荐问题,提出了一种基于三度影响力理论的好友推荐算法。社交网络用户节点间的联系除了共同好友外,还存在其他不同长度的连通关系。该算法不再局限于仅以用户间共同好友的数量作为好友推荐的主要依据,而是在此基础上引入三度影响力理论进一步拓展关系连接,即把用户间距离三度以内的强连接用户都考虑进来,并通过为不同距离长度的连通关系分配相应的权重,实现好友关系强度的计算,来进行推荐。通过在新浪微博和Facebook社交网站上的实验结果表明,该算法比仅依据用户间共同好友数量的推荐算法在查准率和查全率上分别提高了约5%和0.8%,显著提升了社交平台好友推荐的效果,从而为社交平台改进推荐机制,以进一步增强用户体验提供了理论支撑。

社会网络“大连结”的魅力——六度分隔和三度影响力

随着科学技术的飞速发展,我们镶嵌在巨大的社会网络之上。文章首先通过大家熟悉的六度分隔("小世界效应")引入社会网络;其次用"三度影响力"揭示人类社会网络的作用方式;然后通过马云成功创办淘宝的典型案例来揭示社会网络"大连结"的巨大威力;最后提出对个人社会网络的构建,以及如何更好地利用社会网络为自身利益服务的几点建议。

以微信为媒体的科学传播的策略选择——基于三度影响力的视角

每个微信用户都有一个属于自己的"核心讨论网络"——朋友圈。微信的"朋友圈"是基于虚拟关系与现实关系二元交叠而建立起来的连接,"我"决定朋友圈的结构的同时,也深受"朋友",甚至是"朋友"的"朋友"的影响。在以微信为媒体的科学传播过程中,要充分发挥"朋友圈"强连接的信任度,来提高科学传播的信度;更要充分发挥公众号的弱连接,不断地形成一批有影响力的公众号,并通过这些公众号将一些新的科学信息持续地介入到各个不同类型的朋友圈层,来影响大众的生活,使科学传播深入社会各个层面。

基于多领域复杂网络拓扑结构的节点重要度评价方法

节点的重要度评价对复杂网络上节点的传播影响力具有重要的理论意义和应用价值,但传统的基于网络位置的方法并未考虑多维指标特征对网络节点重要度的影响,导致在大型网络的节点重要度评价中,一般节点的排序结果精度不高.为此在深入剖析经典的混合度分解算法以及传统重要性排序算法缺陷的基础上,结合网络节点的全局特征和局部特征对节点进行重要度影响分析,并将三度影响力原则融入节点的局部特征,提出一种适用于无向网络的基于多领域复杂网络拓扑结构下的节点重要度评价方法,即基于聚集系数和邻居特征的混合分解方法(CNMD).在社交网络、电子邮件网络、协作网络等10个领域数据集上的实验结果表明,相比于MDD、Eksd和MCDWE等算法,CNMD方法排序结果的分辨率分别达到了92.44%、99.99%、98.68%等,在10个领域数据集上的平均分辨率为98.73%,最高分辨率为99.99%,最低分辨率为92.44%,明显优于对比算法,可以更有效地应用于大型复杂网络中节点重要度的快速评价与计算.

基于混合好友路径信任度的社交好友推荐算法

为了解决以往好友信任度计算准确性不足的问题,提出依据三度以内好友路径信任度的好友推荐算法。与传统的依据好友信任度的好友推荐算法相比,传统的信任度算法仅仅考虑二度好友路径对用户之间好友信任度的影响,而忽略了三度好友路径的作用。根据三度影响力理论,在以往依据二度好友路径信任度推荐算法的基础上,引入三度好友路径信任度对好友推荐效果的影响能得到更准确的信任度计算效果。计算用户间的混合好友路径信任度,并依据混合好友路径信任度进行好友推荐,其好友推荐效果更准确。实验结果表明,比起没有引入三度好友路径的信任度算法,引入三度好友路径信任度的混合好友路径信任度算法其F1-measure评价指标增加了3到4个百分点,能有效提高好友信任度计算的准确性以及好友推荐的有效性。

一种基于信任度和研究兴趣的学者推荐方法

学术社交网络用户的爆炸式增长,使得用户难以发现自己感兴趣的相似学者,对此论文提出一种融合信任度和研究兴趣相似度的学者推荐方法。首先通过用户在社交网络的交互行为计算用户间的信任度来衡量好友关系的真实强度,再利用三度影响力理论扩展用户的潜在好友集合,然后再利用LDA信任度和研究兴趣相似度进行最终推荐。在学者网数据集上的验证表明,该方法有效提高了学者推荐的效果。

从心理学视角探讨教师对学生的影响

现在社会对教师的要求越来越高,教师不仅要具备专业的知识,更要做到为人师表。如何做到?这是目前很多人关心的问题。本文从教师要改变已有不合理的认知、坚信期望效应、培养学生的品质、严于律己四个方面提出具体的建议,为增强教师对学生的影响力提供参考。

社会化媒体与精准营销

广告传播是传统媒介必不可少的营销方式之一。随着技术手段的推进,社会化的营销渠道也在改变。社会关系影响力正在成为一种新型营销的切入点,用户在进行信息分享和互动时,会对其他用户的消费选择和行为习惯产生影响。本文以微信为例,探究社会化媒体怎样达到精准营销。

融合关系强度和兴趣的好友推荐方法研究

[目的 /意义]利用三度影响力理论,从网络结构的角度进一步拓展用户关系连接,提高社交网络好友推荐的效率。[方法 /过程]首先,计算用户之间的关系强度,并筛选关系强度较大的用户集合;然后,通过用户共同关注的内容计算用户兴趣相似度;最后,融合用户关系强度和兴趣相似度实现好友的推荐并通过实际数据对所提方法进行实证检验。[结果/结论]实验结果表明,融合关系强度和兴趣的社交网络好友推荐方法具有较好的效果,可为用户推荐提供参考和借鉴。该方法进一步完善社会化推荐理论。

大数据时代传统受众研究的不足及人群识别对策

社会化媒体背景下,互联网搭建了各种社会化媒体平台,用户参与其中并编织各自的社会化网络关系,沉淀下了用户大数据。受众是大众传播效果的核心,也是考查传播效果的基点和立足点。本文分析了在社会化媒体搭建的大数据背景下,传统受众研究的不足,梳理了目前常用到的一些社会化人群识别工具及人群识别的模型。文章提出了假定方案并加以验证,初步探讨了社会化媒体中人群识别的方法,优化传播策略。