基于用户兴趣模型和社团挖掘的推荐方法研究

发布时间：2021-02-25 12:12

　　知乎是当前国内应用最广泛的社会化问答网络之一,其丰富的数据资源为科学研究提供了巨大的机遇。当前“知识电商”和“知识付费”的发展成为趋势,知识作为一种虚拟商品可以像实物一样被用户获取,网络平台也可以根据用户需求向其推荐感兴趣的问题和答案。同时,知乎网络又是一种社交网络,其问答模式本身体现了一种社交特性,用户之间基于共同问题的互动体现着用户的兴趣特点。本文在充分研究知乎网络的用户关系结构和数据特点的基础上,以知乎网络自有的话题标签为基础,综合研究知乎能够表征用户兴趣的数据,提出了融合问题话题和用户话题的用户兴趣模型建立方法,并以实际数据进行实验分析,通过计算用户基于问题的话题集合与用户基于关注话题集合的重复率,客观地证明了该模型的有效性。与一般社交网络不同,知乎网络用户的社交性是基于问题的交互,用户以问题为纽带相互联系,通过实验分析基于问题的用户网络与基于关注和被关注关系的用户网络统计特征,验证了基于问题的用户网络的“小世界”特征和聚类特征,并论述了基于问题的用户网络体现用户兴趣的优势,最后提出了基于问题的用户兴趣网络构建方法。复杂网络社团发现理论研究的是网络中的强弱关系,在社会网络中体现... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
    1.3 研究内容及方法
    1.4 文章结构
    1.5 本章小结
第二章 相关理论基础和技术
    2.1 社团发现
        2.1.1 社团结构
        2.1.2 社团发现算法
    2.2 推荐算法
        2.2.1 基于内容的推荐技术
        2.2.2 基于关联规则的推荐技术
        2.2.3 协同过滤推荐
    2.3 基于社团发现的推荐技术
    2.4 本章小结
第三章 用户兴趣模型和兴趣网络
    3.1 知乎网络研究
        3.1.1 知乎网络的发展
        3.1.2 知乎层次结构
    3.2 用户兴趣模型
        3.2.1 知乎用户兴趣表现形式
        3.2.2 用户兴趣模型构建
        3.2.3 用户兴趣模型实验分析
        3.2.4 用户兴趣相似度计算
    3.3 用户兴趣网络
        3.3.1 用户兴趣网络构建方法
        3.3.2 用户兴趣网络构建
        3.3.3 用户兴趣网络实验分析
    3.4 用户兴趣相似度的改进
    3.5 本章小结
第四章 基于GN算法兴趣社团挖掘
    4.1 加权GN算法
        4.1.1 加权网络的边介数计算
        4.1.2 模块度函数
    4.2 边介数计算的改进
        4.2.1 GN算法改进方法
        4.2.2 基于中心节点的边介数计算方法
        4.2.3 改进的GN算法描述
    4.3 实验分析
    4.4 兴趣社团挖掘及推荐系统设计
        4.4.1 兴趣社团挖掘
        4.4.2 用户和问题推荐
        4.4.3 推荐系统设计
    4.5 本章小结
第五章 数据获取及实验分析
    5.1 数据获取
        5.1.1 模拟登录和访问
        5.1.2 网页解析和数据获取
    5.2 数据处理
    5.3 实验结果及分析
    5.4 本章小结
第六章 总结与展望
    6.1 主要结论
    6.2 研究展望
参考文献
在学期间的研究成果
致谢


【参考文献】：
期刊论文
[1]基于社会网络分析的网络问答社区知识传播研究[J]. 王忠义,张鹤铭,黄京,李春雅.  数据分析与知识发现. 2018(11)
[2]社会化问答平台意见领袖的知识共享行为特征探析[J]. 施艳萍,袁曦临,宋歌.  图书情报知识. 2018(06)
[3]基于用户兴趣的协同服务推送方法在知乎中的应用[J]. 顾冲,张骏.  现代商贸工业. 2018(17)
[4]知乎新标签:知识电商[J]. 罗东,小庞.  二十一世纪商业评论. 2017(05)
[5]有向在线社交网络的拓扑结构分析[J]. 朱永习,严广乐.  信息技术. 2016(09)
[6]融合社区结构和兴趣聚类的协同过滤推荐算法[J]. 郭弘毅,刘功申,苏波,孟魁.  计算机研究与发展. 2016(08)
[7]复杂网络中社区发现方法的研究[J]. 张鑫,刘秉权,王晓龙.  计算机工程与应用. 2015(24)
[8]基于社交关系的问答系统及最佳回答者推荐技术[J]. 杜卿,王齐轩,黄东平,蔡毅,覮王,涛闵,华清.  华南理工大学学报(自然科学版). 2015(01)
[9]复杂网络图中心节点分布的研究[J]. 陈琼,方明,陈志云.  哈尔滨师范大学自然科学学报. 2012(01)
[10]网络答疑系统中个性化问题推荐服务[J]. 林育曼,饶浩,黄德群.  情报杂志. 2011(07)

硕士论文
[1]基于用户行为的社交网络好友推荐算法研究[D]. 董峥.北方工业大学 2018
[2]基于社交网络的好友推荐方法研究[D]. 张红玉.天津理工大学 2018
[3]基于用户活跃度和影响力的社区推荐系统关键技术的研究[D]. 于笑明.天津理工大学 2018
[4]社交网络虚拟用户属性推测关键技术研究与实现[D]. 卢佳星.哈尔滨工业大学 2017
[5]面向社交用户的自适应推荐系统研究与设计[D]. 刘瀚松.重庆邮电大学 2017
[6]社会化问答平台的用户兴趣识别研究[D]. 赵卫平.华中师范大学 2017
[7]基于LDA模型与加权GN网络的科研合作推荐方法[D]. 关盼盼.燕山大学 2017
[8]基于内容的个性化推荐系统研究[D]. 单京晶.东北师范大学 2015
[9]复杂网络的社团探测[D]. 陈奔燕.湘潭大学 2015
[10]基于改进GN算法的茶叶消费者网络社区发现研究[D]. 汤鹏.安徽农业大学 2014



本文编号：3050950