兼顾用户话语权的改进加权Slope-One协同过滤推荐

针对协同过滤算法中数据稀疏性导致的推荐结果精确度不高的问题,本文提出一种改进的加权Slope-One算法填充评分矩阵.首先,利用用户的评论次数信息区分用户活跃度,然后,在加权Slope-one算法考虑不同项目之间评分用户数量差异影响的基础上,进一步考虑不同活跃度的用户话语权差异对评分预测的影响,提出了兼顾用户话语权的加权Slope-One算法,最后,基于Movie-Lens和Amazon-Clothes两个不同商品品类的数据集,对4种协同过滤算法进行了不同填充比例和不同最优近邻数情况下的仿真实验.仿真对比发现:在仿真实验确定的最优矩阵填充比例和最优近邻数的情况下,相比加权Slope-One协同过滤、原始协同过滤、基于奇异值分解的协同过滤等推荐算法,引入本文所提出的改进加权Slope-One的协同过滤推荐算法,在数据稀疏度不同的两个数据集上的MAE值都更低,说明本文算法能够有效降低数据稀疏性并达到了提高推荐精确度的目的.

社交媒体管理中循环嵌套的话语格局

在“人人都有麦克风”的时代,由资本建构的社交媒体平台上拥有巨大的用户量,其裂变性的传播特征,赋予它推动社会议题以及建构公共舆论的强大影响力。因此国家、资本和用户成为其中三种主要的话语力量。在国家话语的运行中,资本话语通过对社交媒体日常运行的具体管理,直接嵌套进国家话语中;在资本话语中,用户通过生产消费信息的同时直接带来销售利润和流量变现,将用户话语嵌套进资本话语中;在用户话语中,技术赋权后的用户理应承担与之相匹配的责任,而责任的内涵正是国家话语和伦理道德的融合。因此在社交媒体的管理中形成了国家话语、资本话语和用户话语三种话语循环嵌套的结构模式。

社交媒体环境下新闻生产模式的变革

与单纯的互联网环境不同,在社交媒体背景下,许多惯有的新闻传播习惯都发生了改变。新的环境对于新闻生产的影响是全方位的,从信息来源到传播机制、反馈机制,为了达到更好的传播效果,新闻生产必须做出调整。新闻生产主体变得多元、新闻话题与语言趋于小众、新闻形式日益丰富多样是新闻生产在社交媒体背景下变革的三个方向。

“算法崩溃”时分:从可供性视角理解用户与算法的互动

全面理解"算法黑箱",需要对日常生活中用户与算法的互动予以考察。基于想象可供性理论,本文提出一个算法可供性的分析框架,并使用扎根理论考察"算法崩溃"时用户的话语实践。研究发现,物质性、中介体验和情感态度构成了"算法想象"的核心元素,勾勒出算法可供性的基本面貌。而当"算法崩溃",想象的"破灭"之下又清晰地浮现出用户与算法之间的若干互动逻辑,表现为算法人格化、自我归因和群体想象。算法可供性以一种用户认知和想象的形式呈现出来,强烈影响着用户的算法使用策略和行为。