基于用户画像的虚拟社区知识推荐研究
发布时间：2021-04-12 14:32
随着互联网技术的发展,网络信息的数量迅速增长,大量的数据资源为用户营造了一个丰富多样的知识环境。但随之而来的是信息检索的复杂与低效,海量的数据信息使得选择困难的问题日益凸显。而知识推荐最大的作用就是减少大量复杂的网络信息给用户带来的信息选择上的困难,取而代之的是让系统主动分析用户并根据用户的不同特征筛选信息,从而为用户提供感兴趣的内容。为了能够更加准确的对用户行为进行分析,本文在调查研究的基础上提出了以用户画像为基础进行知识推荐的方法,帮助用户快速检索出所需信息。本论文研究了虚拟社区与用户画像的相关概念,对虚拟社区的用户以及类型进行了分类,并总结了用户画像的模型构建方法以及相关技术,在研究的基础上提出了将用户画像用于虚拟社区知识推荐的方法。然后介绍了网络文本数据挖掘的方法,利用中文分词对文本进行预处理,通过TF-IDF算法提取文本特征并生成用户标签,最终结合具体的实例构建出用户画像的模型。为了验证基于用户画像的知识推荐方法具有较好的推荐性能,本研究选择问答型虚拟社区“知乎”作为实证对象,通过对比实验的方式与传统的推荐算法进行比较并选取评估指标作为对比,最终实验结果证明基于用户画像的方法...
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
用户画像构建流程
print("Full Mode"+"/".join(tags))//全模式分词tags = jieba.cut(final, cut_all=False)print("Default Mode" + "/".join(tags))//精确模式分词tags = jieba.cut_for_search(final)print("Search Mode" + "/".join(tags))//搜索引擎模式分词为了直观说明三种分词模式的不同，通过一个具体的实例来表现它们输入待分词的内容，用 info 表示，首先查找 stopwords 停用词表去除 in要的停用词，然后依次使用三种分词方式进行分词，分词结果如下图。根据运行结果可以很清楚的发现，全模式的分词结果最为全面，几现所有可能形成词语的组合，但是也会出现一些不符合需要的词组；的结果比较简单精炼，不容易发现新词但是完全符合了精确的概念；模式考虑到了所有可能出现的组合，而且划分的粒度也更为精细。
图 3.4 用户画像标签体系签属性签属性静态属性标签是用户相对稳定的信息，是构成用户画像的基属性包括年龄、性别、身高、血型等自然属性，学历、职业地域等社会属性，财富状况、消费等级、信用等商业属性以观、情感、思维等心理属性。本论文中通过数据收集可以获所在行业、职业经历、教育经历、个人简介等经过系统认证口统计学维度来讲，这个维度的信息相对稳定，是可以直接签属性动态属性是用户画像构建的关键，能够直接反应用户对推荐、是否迎合用户的需求。用户的动态属性包括社会关系和行包含兴趣喜好、朋友关系、互动行为等社交属性及类目爱好
【参考文献】：
期刊论文
[1]基于科研情境的数字图书馆知识推荐研究[J]. 汪圳,刘成山,秦春秀. 情报理论与实践. 2018(12)
[2]基于SFA方法的虚拟学术社区知识交流效率研究[J]. 庞建刚,吴佳玲. 情报科学. 2018(05)
[3]画像分析为基础的图书馆大数据实践——以国家图书馆大数据项目为例[J]. 杨帆. 图书馆论坛. 2019(02)
[4]虚拟社区知识共享意愿与行为的影响因素及其调节变量:元分析研究[J]. 曹树金,王志红. 图书情报工作. 2018(08)
[5]虚拟社区用户知识付费意愿实证研究[J]. 方爱华,陆朦朦,刘坤锋. 图书情报工作. 2018(06)
[6]基于“用户画像”的图书馆资源推荐模式设计与分析[J]. 王庆,赵发珍. 现代情报. 2018(03)
[7]以用户画像构建智慧阅读推荐系统[J]. 王顺箐. 图书馆学研究. 2018(04)
[8]基于用户画像的图书馆知识发现服务研究[J]. 张钧. 图书与情报. 2017(06)
[9]基于在线评论的用户画像研究——以携程酒店为例[J]. 单晓红,张晓月,刘晓燕. 情报理论与实践. 2018(04)
[10]基于视频大数据的用户画像构建[J]. 王宪朋. 电视技术. 2017(06)
博士论文
[1]虚拟学习社区中的知识建构和集体智慧研究[D]. 甘永成.华东师范大学 2004
硕士论文
[1]基于主题模型的社交网络用户画像分析方法[D]. 马超.中国科学技术大学 2017
[2]基于用户画像的移动广告推荐技术的研究与应用[D]. 付小飞.电子科技大学 2017
[3]基于用户画像的医疗信息精准推荐的研究[D]. 王智囊.电子科技大学 2016
[4]移动互联网环境下安徽省高校图书馆知识推荐研究[D]. 刘梦虹.安徽大学 2013
[5]基于UGC挖掘的学术虚拟社区知识推荐研究[D]. 胡丹华.华中师范大学 2013
[6]基于网页内容和链接的主题爬虫研究与实现[D]. 罗林波.海南大学 2010
本文编号：3133462
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
用户画像构建流程
print("Full Mode"+"/".join(tags))//全模式分词tags = jieba.cut(final, cut_all=False)print("Default Mode" + "/".join(tags))//精确模式分词tags = jieba.cut_for_search(final)print("Search Mode" + "/".join(tags))//搜索引擎模式分词为了直观说明三种分词模式的不同，通过一个具体的实例来表现它们输入待分词的内容，用 info 表示，首先查找 stopwords 停用词表去除 in要的停用词，然后依次使用三种分词方式进行分词，分词结果如下图。根据运行结果可以很清楚的发现，全模式的分词结果最为全面，几现所有可能形成词语的组合，但是也会出现一些不符合需要的词组；的结果比较简单精炼，不容易发现新词但是完全符合了精确的概念；模式考虑到了所有可能出现的组合，而且划分的粒度也更为精细。
图 3.4 用户画像标签体系签属性签属性静态属性标签是用户相对稳定的信息，是构成用户画像的基属性包括年龄、性别、身高、血型等自然属性，学历、职业地域等社会属性，财富状况、消费等级、信用等商业属性以观、情感、思维等心理属性。本论文中通过数据收集可以获所在行业、职业经历、教育经历、个人简介等经过系统认证口统计学维度来讲，这个维度的信息相对稳定，是可以直接签属性动态属性是用户画像构建的关键，能够直接反应用户对推荐、是否迎合用户的需求。用户的动态属性包括社会关系和行包含兴趣喜好、朋友关系、互动行为等社交属性及类目爱好
【参考文献】：
期刊论文
[1]基于科研情境的数字图书馆知识推荐研究[J]. 汪圳,刘成山,秦春秀. 情报理论与实践. 2018(12)
[2]基于SFA方法的虚拟学术社区知识交流效率研究[J]. 庞建刚,吴佳玲. 情报科学. 2018(05)
[3]画像分析为基础的图书馆大数据实践——以国家图书馆大数据项目为例[J]. 杨帆. 图书馆论坛. 2019(02)
[4]虚拟社区知识共享意愿与行为的影响因素及其调节变量:元分析研究[J]. 曹树金,王志红. 图书情报工作. 2018(08)
[5]虚拟社区用户知识付费意愿实证研究[J]. 方爱华,陆朦朦,刘坤锋. 图书情报工作. 2018(06)
[6]基于“用户画像”的图书馆资源推荐模式设计与分析[J]. 王庆,赵发珍. 现代情报. 2018(03)
[7]以用户画像构建智慧阅读推荐系统[J]. 王顺箐. 图书馆学研究. 2018(04)
[8]基于用户画像的图书馆知识发现服务研究[J]. 张钧. 图书与情报. 2017(06)
[9]基于在线评论的用户画像研究——以携程酒店为例[J]. 单晓红,张晓月,刘晓燕. 情报理论与实践. 2018(04)
[10]基于视频大数据的用户画像构建[J]. 王宪朋. 电视技术. 2017(06)
博士论文
[1]虚拟学习社区中的知识建构和集体智慧研究[D]. 甘永成.华东师范大学 2004
硕士论文
[1]基于主题模型的社交网络用户画像分析方法[D]. 马超.中国科学技术大学 2017
[2]基于用户画像的移动广告推荐技术的研究与应用[D]. 付小飞.电子科技大学 2017
[3]基于用户画像的医疗信息精准推荐的研究[D]. 王智囊.电子科技大学 2016
[4]移动互联网环境下安徽省高校图书馆知识推荐研究[D]. 刘梦虹.安徽大学 2013
[5]基于UGC挖掘的学术虚拟社区知识推荐研究[D]. 胡丹华.华中师范大学 2013
[6]基于网页内容和链接的主题爬虫研究与实现[D]. 罗林波.海南大学 2010
本文编号：3133462
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3133462.html
最近更新
教材专著
