基于社会化问答社区的汽车用户创新知识识别研究

发布时间：2022-02-24 08:26

　　在信息技术发展的推动下,企业创新模式不断变革,用户在创新活动中的地位受到重视。用户是产品的最终使用者,把握用户创新内容对企业抓住市场需求、激发创新思维、缩短产品研发周期有重要作用。知识经济时代,社会化问答社区改变了人们共享知识的方式,成为生活密不可分的部分。由于用户交互的自发性,社会化问答社区中的文本能充分反映用户的真实兴趣和需求,具有较高的信息质量。相比传统的用户需求调研方式,通过构建知识网络模型从社会化问答社区中发现用户创新知识,不仅更省时省力,而且更全面精准。但是,现有知识网络建模很少考虑到社会化问答社区文本的评论数、回答数等属性对知识点重要性的影响,构建的知识网络不能有效识别此类文本的用户知识。因此,根据社会化问答社区文本特点构建多属性加权知识网络,并进行用户创新知识识别具有重要意义。首先,本文综合考虑社会化问答社区中影响词语重要性的属性,对加权知识网络模型进行改进,提出适用于社会化问答社区文本的多属性加权用户知识网络模型。该模型在知识点提取和赋权中采用多属性加权的关键词提取方法:引入调节函数和词性对传统TF-IDF进行改进,通过线性加权融合用户回答数、关注数、浏览数以及评论数... 

【文章来源】：合肥工业大学安徽省211工程院校教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 用户创新相关研究
        1.2.2 知识网络建模研究
        1.2.3 知识点和知识领域识别方法
        1.2.4 现有研究的不足
    1.3 研究内容与研究方法
        1.3.1 研究内容
        1.3.2 研究方法和技术路线
    1.4 章节安排
第二章 相关理论与技术
    2.1 文本预处理
        2.1.1 文本分词
        2.1.2 停用词过滤
        2.1.3 词性标注
    2.2 相关方法
        2.2.1 TF-IDF
        2.2.2 层次分析法
        2.2.3 加权知识网络模型构建方法
    2.3 本章小结
第三章 多属性加权用户创新知识网络
    3.1 社会化问答社区的产生与文本特点
        3.1.1 社会化问答社区的产生
        3.1.2 社会化问答社区文本的特点
    3.2 现有知识网络模型的不足
    3.3 社会化问答社区MWKN模型构建
        3.3.1 MWKN构建思路
        3.3.2 知识点获取与赋权
    3.4 汽车用户创新MWKN模型实例
        3.4.1 数据获取与预处理
        3.4.2 知识点提取与赋权
        3.4.3 连边构建与网络可视化
    3.5 本章小结
第四章 基于模型的汽车用户创新知识点与知识领域识别
    4.1 知识识别过程概述
    4.2 基于权重的热门创新知识点识别
        4.2.1 热门创新知识点识别方法
        4.2.2 汽车用户热门创新知识点识别
    4.3 基于中心性分析的核心创新知识点识别
        4.3.1 知识点度数中心性分析
        4.3.2 知识点中间中心度分析
        4.3.3 知识点接近中心度分析
    4.4 基于综合分析的热门核心创新知识点识别
        4.4.1 知识点权重与中心性综合分析
        4.4.2 热门核心创新知识点关联分析
    4.5 基于类团的用户创新知识领域识别
        4.5.1 热门知识点聚类分析
        4.5.2 创新知识领域权重分析
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况


【参考文献】：
期刊论文
[1]用户创新研究评述与展望[J]. 姜忠辉,崔珍珍.  中国海洋大学学报(社会科学版). 2017(05)
[2]基于互引和共被引的期刊关联分析比较[J]. 刘超,李秀霞,李林,宋凯.  情报科学. 2017(07)
[3]中文文本聚类常用停用词表对比研究[J]. 官琴,邓三鸿,王昊.  数据分析与知识发现. 2017(03)
[4]创新社区中用户创新的创新效应及意见探究:以海尔HOPE创新平台为例[J]. 余菲菲,燕蕾.  科学学与科学技术管理. 2017(02)
[5]基于词或词组长度和频数的短中文文本关键词提取算法[J]. 陈伟鹤,刘云.  计算机科学. 2016(12)
[6]我国高等职业教育研究学术群体知识图谱构建——基于作者共被引分析的视角[J]. 李保强,蔡运荃,吴笛.  高等教育研究. 2016(08)
[7]国内外知识流研究热点:基于词频的统计分析[J]. 傅柱,王曰芬,陈必坤.  图书馆学研究. 2016(14)
[8]基于网络问答社区的话题识别与分析——以知乎“老年人”话题为例[J]. 黄鲁成,蒋林杉,苗红,吴菲菲.  图书情报工作. 2016(05)
[9]基于词频统计的文本关键词提取方法[J]. 罗燕,赵书良,李晓超,韩玉辉,丁亚飞.  计算机应用. 2016(03)
[10]基于加权知识网络的企业社区用户创新知识建模及分析方法[J]. 廖晓,李志宏,席运江.  系统工程理论与实践. 2016(01)

博士论文
[1]基于多种知识网络建模的用户创新社区知识发现与分析方法[D]. 廖晓.华南理工大学 2015

硕士论文
[1]基于社会网络分析的知识型社区群体智慧涌现的影响因素研究[D]. 吴煜山.华南理工大学 2016



本文编号：3642345