好友推荐是基于位置的社交网络LBSN(Location-Based Social Networks)的重要服务之一。融合线上关系和线下行为,考虑位置偏好相似性、距离相似性和熟识度三个特征,构建新的好友推荐算法。通过考虑时间因素和排除时间因素两方面计算位置...好友推荐是基于位置的社交网络LBSN(Location-Based Social Networks)的重要服务之一。融合线上关系和线下行为,考虑位置偏好相似性、距离相似性和熟识度三个特征,构建新的好友推荐算法。通过考虑时间因素和排除时间因素两方面计算位置偏好的相似性;通过探究用户与其好友间签到地点在距离上的关系计算距离相似性;使用阶数与路数作为影响好友关系的重要因素计算熟识度;对以上三个特征进行加权并融合用户影响力计算最终推荐分数。利用Gowalla上的数据证明该算法可以有效提高好友推荐的有效性。展开更多
通过对109亿字符的语料分析发现:"你好吗"在汉语中的使用语境包括交互式现场情境、电话及信件互动三类,久别、消极事件后关切问候情感、共同叙事历史为言者听者形成交互主观性的基础,高熟识度角色为其应用条件;非交互式语境...通过对109亿字符的语料分析发现:"你好吗"在汉语中的使用语境包括交互式现场情境、电话及信件互动三类,久别、消极事件后关切问候情感、共同叙事历史为言者听者形成交互主观性的基础,高熟识度角色为其应用条件;非交互式语境有两类,多为标题类非直接唤起语及对植物等非生命体的问候。与欧化句"how are you"相比,汉语句语义语用功能不同,具高情感量值,要求更复杂的语境条件,因此不适用于对外汉语零起点教学。展开更多
通过对109亿的语料分析发现:"你好吗"在汉语中的使用语境包括交互式现场情境、电话及信件互动三类,久别、消极事件后关切问候情感、共同叙事历史为言者听者形成交互主观性的基础,高熟识度角色为其应用条件;非交互式语境有两类...通过对109亿的语料分析发现:"你好吗"在汉语中的使用语境包括交互式现场情境、电话及信件互动三类,久别、消极事件后关切问候情感、共同叙事历史为言者听者形成交互主观性的基础,高熟识度角色为其应用条件;非交互式语境有两类,多为标题类非直接唤起语及对植物等非生命体的问候。与欧化句"how are you"相比,汉语句最早清代出现用例,语义语用功能与欧化句不同,具高情感量值,要求更复杂的语境条件,因此跟欧化句相比,外延不同、不是欧化句直译,不适用于对外汉语零起点教学中。展开更多
文摘好友推荐是基于位置的社交网络LBSN(Location-Based Social Networks)的重要服务之一。融合线上关系和线下行为,考虑位置偏好相似性、距离相似性和熟识度三个特征,构建新的好友推荐算法。通过考虑时间因素和排除时间因素两方面计算位置偏好的相似性;通过探究用户与其好友间签到地点在距离上的关系计算距离相似性;使用阶数与路数作为影响好友关系的重要因素计算熟识度;对以上三个特征进行加权并融合用户影响力计算最终推荐分数。利用Gowalla上的数据证明该算法可以有效提高好友推荐的有效性。
文摘通过对109亿字符的语料分析发现:"你好吗"在汉语中的使用语境包括交互式现场情境、电话及信件互动三类,久别、消极事件后关切问候情感、共同叙事历史为言者听者形成交互主观性的基础,高熟识度角色为其应用条件;非交互式语境有两类,多为标题类非直接唤起语及对植物等非生命体的问候。与欧化句"how are you"相比,汉语句语义语用功能不同,具高情感量值,要求更复杂的语境条件,因此不适用于对外汉语零起点教学。
文摘通过对109亿的语料分析发现:"你好吗"在汉语中的使用语境包括交互式现场情境、电话及信件互动三类,久别、消极事件后关切问候情感、共同叙事历史为言者听者形成交互主观性的基础,高熟识度角色为其应用条件;非交互式语境有两类,多为标题类非直接唤起语及对植物等非生命体的问候。与欧化句"how are you"相比,汉语句最早清代出现用例,语义语用功能与欧化句不同,具高情感量值,要求更复杂的语境条件,因此跟欧化句相比,外延不同、不是欧化句直译,不适用于对外汉语零起点教学中。