基于内容相似性的论坛用户社会网络挖掘

现有研究通常基于论坛用户之间的回复引用关系建立用户社会网络,提出一种基于用户发帖内容相似度值的论坛用户社会网络的构建与挖掘方法,该方法能够透过用户的交流内容发现潜在的用户交流关系,为网络舆情监控提供决策依据。以人民网强国社区为研究对象,利用提出的方法构建用户社会网络,并对该网络进行了网络特性分析与挖掘,实验结果得出强国社区用户网络内聚性较高,用户之间交流关系紧密等结论。

结合内容相似性和时序性的社会网络挖掘

在分析聊天数据时序性的基础上,引入内容相似性信息,提出一种结合内容相似性和时序性的社会网络挖掘新方法。该方法使用启发式规则初步推断出聊天室的社会网络,利用相似用户聚类技术进一步补充并最终挖掘出准确的社会网络。实验结果显示,该方法具有较好的挖掘效果。

双任务中加工内容相似性与任务难度影响Stroop效应的研究

目的:探讨交通环境下双任务中内容相似性和任务难度对Stroop效应的影响。方法:设计实验1(简单任务)和实验2(复杂任务),采用语言内容判断与方位一致性判断的双任务和Stroop研究范式,数据采用SPSS20.0进行统计分析。结果:简单双任务加工中,内容相似性没有影响Stroop效应(P>0.05);而复杂双任务加工中,内容相似性对Stroop效应产生了影响(P<0.05)。结论:交通环境下双任务加工中内容相似性对Stroop效应的影响取决于任务难度。

基于内容相似性的科技论文网络的构建及其属性的初步分析

构建基于内容相似性的科技论文网络,并对其属性进行初步分析。在Pubmed数据库中检索数据挖掘主题的文献记录,利用在线概念抽取软件Metamap对文献集进行概念抽取,统计各个概念出现的频次,采用TF-IDF算法计算每个词的权重,形成论文—概念权重矩阵,计算每两篇论文所有概念的内积最终构建出论文相似性矩阵,并对相似矩阵的有效性进行了人工初步评判。利用社会网络分析软件Ucinet可视化表达论文相似性矩阵,并对论文网络的属性进行了初步分析。通过这种方法构建出了基于内容相似性的科技论文可视化网络,该网络是一个松散型网络,具有复杂网络的"小世界"特性,并具有鲁棒性和脆弱性。本研究表明,根据内容的相似性构建论文网络是可行的,这为今后进行学科结构分析和论文评价提供了可靠的方法学基础。

基于内容相似性的社交网络用户行为倾向性研究

论坛和博客等社交媒体中的数据,能够充分反映社交网络用户的思想行为动机,为了分析这些数据,挖掘用户的一些行为动机,提出一种基于内容相似性的社交网络用户行为倾向性分析方法,将社交媒体中的数据处理成文档集并进行向量化,建立向量空间模型,然后通过这些文档之间的相似性来发现用户的归属.采用KNN算法将某用户在一段时间内所发布的文档进行分类,获得数量最多的目标类别为此用户的实际倾向类别,最后通过实验证明此方案的实际可行.

基于多元融合的企业技术创新合作预测方法研究

合理的技术创新合作预测方法是企业寻找合适的技术创新合作伙伴以提升技术创新绩效的有效手段。论文基于企业专利数据,构建专利所有权人共现网络,应用Katz指标计算企业之间的路径相似性,应用TF-IDF算法构建企业关键词向量,结合余弦相似性计算企业之间的内容相似性,应用社会网络分析方法中的中心性指标计算企业的位置相似性,将三者进一步融合得到企业之间合作的潜在可能性。通过对石墨烯领域企业专利数据分析预测企业间合作的可能性,证实该方法有效,AUC指标值为0.7242,优于单一指标相似性推荐方法,能够提升合作推荐中合适匹配的精确度。

基于内容与社会过滤的好友推荐算法研究

基于内容算法与社会过滤算法都是迄今为止在社交网络中较为成功的好友推荐算法。结合两者的优点,根据用户已有的好友来给用户推荐新的好友,并与用户的兴趣爱好、地理位置等个人信息相结合的方式来处理好友推荐问题。通过实验验证以及准确率和召回率的评测显示,改进的算法比传统的好友推荐算法在推荐性能上有较为明显的提高。

科技论文网络研究进展及建立论文相似网络的构想

从复杂网络角度介绍科技论文相关网络的研究进展,包括引用网络和共现网络,在此基础上提出了建立论文内容相似性网络的构想,并探讨其现实意义与关键问题,包括论文内容的完整准确表达、利用向量空间模型表达文献内容、被引强度和耦合率等。

基于内容标签的消防知识推荐系统

提出基于内容标签的知识推荐算法,并应用于消防知识库。该算法在预测用户评分的时候考虑消防知识条目标签上的相似度以及标签的标注权重,并结合分析用户以往操作行为,在此基础上实现根据特定用户进行特定消防知识推荐。同时,结合系统条目内容标签的相关性进行用户间关联度分析,很好地解决了系统中的稀疏矩阵问题。最后通过实验验证了该推荐算法的有效性和优越性。

基于内容和评论及时性的微博影响力用户检测算法

以评论内容关键字和用户之间的评论关系为基础,结合评论及时性在微博影响力用户检测中的重要作用,研究如何有效获取微博中最有影响力用户的问题,基于Page Rank经典算法提出了基于评论内容相似性和评论及时性的微博影响力用户检测算法(Com Rank)。算法首先对每条评论信息进行分割处理,获取关键字并记录评论生成时间;然后基于评论内容关键字相似性计算评论内容相似性;再次,结合评论及时性计算评论关系权值;最后使用Com Rank算法检测最有影响力的微博用户。真实数据集上的实验结果验证了该方法的有效性。

“五步”法,走出集体备课之困

新课标背景下,“集体备课”将在大单元教学、单元整体教学中发挥重要的作用。实践中,我们采用了“五步”集体备课的路径,让集体备课趋于有效。第一步:基于内容相似性和相通性的任务分工为提高教师整体把握和分析教学内容的能力,在任务分工上,可把同一领域相通、相似的内容集中在一起,确定主备人,避免按单元、按课时的自然顺序来分工,意在体现整体性、结构化把握教学内容。

新能源领域专利转让网络中技术供需主体间交易机会预测

[目的/意义]在专利转让网络中,通过挖掘供需主体信息及网络结构对交易机会的预测,有助于提升专利的转化效率。[方法/过程]以新能源领域为例,采集2012-2016年专利转让数据,构建专利技术交易加权有向网络。在转让数据统计分析与网络结构研究基础上,计算并筛选网络节点结构相似度指标,利用LDA主题模型结合余弦相似度方法计算节点内容相似性指标,通过熵权法将结构与内容指标融合,预测网络中专利技术供需主体间交易机会及专利技术流动方向。[结果/结论]结果表明:RA相比其他9个结构指标其预测精度更高,将RA与内容相似性指标融合后,预测精度略有上升,预测结果相比单一结构指标,更全面的挖掘出可能发生交易的供需主体对,结果更具多样化和合理性,在实践中更具有辅助决策的价值。

大学生学科问题类比迁移的实验研究

考察了单个和两个源问题条件下大学生学科问题类比迁移的情况。实验1考察表面特性对学科问题迁移成绩的影响,以及个体的时间控制、解题策略。实验2考察两个源问题表面相似关系和思路归纳关系对迁移成绩的影响。结果表明:1)表面相似性对迁移成绩影响显著,同领域学科问题之间更容易迁移;2)依据表面和依据结构来激活源问题都是有效策略,源问题学习时间与迁移效果之间不存在显著关系;3)思路归纳对迁移成绩影响显著。

基于多特征融合的聊天室社会网络挖掘方法

聊天室社会网络挖掘是网络舆情分析与预警研究的一个主要任务,其目的是挖掘出聊天室用户之间的本质关联.为此将多特征融合引入聊天室社会网络的挖掘,提出了一种基于AdaBoost的聊天室社会网络挖掘方法.论文的主要工作包括两部分:对目前相对有效的基于时序挖掘的方法进行了改进,新增加了启发式规则;利用AdaBoost进行时序特征和内容相关性特征的多特征融合,综合决策出聊天室用户之间的本质关联.对比实验表明,基于多特征融合的方法可以获得比基于时序挖掘方法及其改进方法更好的误报率和漏报率.

社交网络服务中的多维空间视频推荐算法

视频推荐作为一项帮助用户迅速找到其最感兴趣视频的关键技术,是社交网络服务中比较重要的研究内容之一。传统推荐算法未能充分利用视频社会化网站中的多维信息,会导致冷启动和数据稀疏的问题。为此,提出一种社交网络服务中的多维空间视频推荐算法。综合分析构成视频社会化网络的多维信息源要素,在此基础上,通过构建多维聚类空间,进而实现基于多维聚类空间的视频推荐算法,利用构成视频社会化网络的多维信息源要素,为视频的个性化推荐提供信息来源,以解决冷启动和数据稀疏问题。实验结果表明,该算法在视频推荐准确度方面相对于传统视频推荐算法有明显提高。

面向网络视频推荐的协同过滤算法优化与实现

网络电视的视频推荐,是根据用户操作的历史信息,给用户推荐可能感兴趣的视频内容。协同过滤是迄今为止个性化推荐系统中采用最广泛最成功的推荐技术,但是算法存在相似性的准确性和最近邻居数量K难以选取等问题。本文针对网络电视,采用基于内容的协同过滤算法,并且使用内容特征属性相似性和内容评分相似性相结合的方法改进了内容相似性计算方法。实验结果表明,本文提出的推荐策略对网络电视的内容推荐是有效的。

基于分布式学习自动机和用户反馈的网页排序算法研究

为了改善传统PageRank算法存在的不足,例如平分链接权重、主题漂移和忽略用户兴趣,提出一种基于分布式学习自动机和用户反馈的网页排序算法。利用页面内容的相似性、网页之间的超链接和用户遍历的路径,根据分布式学习自动机来确定网页间的超链接权重。考虑到用户反馈包含大量的价值信息,选择用户的转载、回复以及有效点击特征作为用户的行为特征,获得用户反馈因子。根据网页间的超链接权重和用户反馈因子计算每个网页的排名。仿真实验表明,与传统的PageRank算法和WPR算法相比,该算法在一定程度上提高了信息检索的精准度和用户满意度。

改进Slope one算法在个性化就业推荐系统中的应用

个性化就业推荐系统可以帮助求职者在海量的就业信息中,快速找出适合个人实际情况的就业信息。由于就业信息数量过于庞大,系统计算得出推荐结果的过程不仅耗时长,而且个性化服务的效果也很难令人满意。将Slopeone算法和就业信息内容相似性相结合,构成的改进Slope one算法引入个性化就业推荐策略中,采用MapReduce分布式编程实现改进Slopeone算法并运行在Hadoop集群上,帮助提高个性化就业信息推荐的质量,增强用户体验效果。

新能源领域专利转让加权网络中主体间技术交易机会预测

[目的]通过挖掘专利转让加权网络主体信息及结构特征对交易机会进行预测,促进技术供需有效对接。[方法]采集新能源领域2012年–2016年数据构建专利转让加权网络,通过熵权法融合网络结构与内容指标,结合网络真实权重与结构权重,利用BP神经网络预测技术交易机会及其权重。[结果]融合结构指标RA与内容指标Cosine的预测精度达到94.28%,在所有指标组合中最高;结合网络真实权重与结构权重预测链接权重,预测误差有所降低。[局限]模型未充分考虑节点属性及网络演化机制。[结论]链路预测方法具有较高预测精度,能更全面挖掘专利技术交易网络中潜在供需主体对及其权重,对实践具有一定指导意义。