基于社会选择和社会影响的社交网络社群分类与群推荐策略研究

社会选择和社会影响是在线社交网络社群形成的两个主要因素,如果能有效对网络社群中用户和群体进行分类,就可以采取不同的群推荐策略,实现群体满意最大化。利用偏好对表示群用户偏好,利用矩阵分解和贝叶斯个性化排序方法,考查社会选择和影响对用户偏好的影响程度,实现群用户和群体的分类,进而提出2种群推荐策略。最后通过2个数据集的实验验证,表明本文提出的基于用户和群体分类的群推荐策略是有效的。

领域本体与社群分类法结构中心性的比较研究

随着领域本体与社群分类法在知识组织研究领域中地位的日渐崛起，越来越多的学者对二者的结构属性展开了研究，一些研究中的模糊与分歧也随之产生。借助复杂网络分析的技术对领域本体网络与用户标签网络中各类中心性指标进行了计算与分析。研究得出，领域本体网络整体上具有较高的中心化程度，但节点的中心度在不同的中心性指标口径下会呈现出较大差异；社群分类法中的用户标签云在整体上内含较高的中心化程度，但在标签的个体层面上也保持了一定的自由化的特性。从结构中心性的视角澄清了模糊与分歧之处。

大学生网络社群的关键问题研究

高校教育随着互联网的发展逐渐网络化、信息化,大学生在互联网上基于教育、学习、娱乐等共同兴趣聚集,形成大学生网络社群。在大学生网络社群中,集群身份认同能让网络上一个个自由的社会人,迅速归属到一个群体,以一个群体进行社群活动。分析互联网时代背景下大学生网络社群的分类和特征,研究网络社群的集群身份认同机制,对大学生的成长发展有重要价值。

网络社群的社会组织特征浅析

互联网兴起和发展,大大拓宽了人类生活的空间,同时也营造了规模较大且数量众多的网络群体。正确认识网络社群的形成及其分类,深入研究网络社群的社会组织特征,将有助于网络社群的发展,促使网络社群在人类社会生活中发挥更为积极的作用。

信息化教育中学生学习行为数据的分类研究

随着大数据时代的到来,教育信息化发展迅猛.近年来以云计算、数据挖掘、移动互联网等为基础的大数据技术为教育研究提供了多方面支持.利用数据技术进行教育领域的研究,为教育教学决策提供有效支持正在成为教育的发展趋势.基于华中师范大学云课堂平台上的数据,通过社群分类算法,对学生学习行为进行分类研究.构建学习行为社交网络,通过PageRank算法寻找网络中的"核心人物",并结合SimRank算法实现分类.