社会化标注系统中个性化信息推荐模型研究

发布时间：2021-08-30 14:23

　　在Web3.0时代，人们不再满足由机器挖掘给用户的各种信息，而是要结合自身的偏好享用个性化的信息服务，无论是产品还是服务，都将为每一用户量身打造，信息世界将变得越来越聪明和智能，似乎比用户还了解他想要的是什么，这就是个性化的信息服务，即Web3.0的内涵。所以，如何在浩如烟海的信息中寻求个性化的信息，就是目前学术界需要解决的热点研究问题。同时，在另一方面，随着Internet网络的产生和使用，用户在社会化标注系统（Web页面）上产生了大量的代表自己个性化信息的数据，那么如何充分利用用户产生的数据来解决目前的个性化信息服务问题，就成了一个情报学术界研究的热点学术问题。社会化标注系统主要是以“用户-资源-标签”三元关系为研究对象的典型复杂动态网络，用户可以根据个人的需要自由选择词汇对所喜爱的资源进行标注，每添加一个词汇被称为对资源添加一个标签，用户、资源和标签组成了社会化标注系统的三个基本元素。从这三个最基本的组成元素开始，从中提炼用户的个性化信息，进而形成个性化信息推荐，成为论文的研究起点。本文针对社会化标注系统中的个性化信息推荐模型问题展开研究，在综述“社会化标注系统”、“个性化信息推... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：162 页

【学位级别】：博士

【部分图文】：

图.~~~“~和.~一「匕~

图 1.2 万方个性化信息推荐研究趋势推荐的理论主要有复杂网络理论、用户行为复杂网络理论引入图书馆个性化信息服务的下个性化信息推荐服务的模型。文献[10] 利度提出个性化信息推荐模型。文献[11]将众户与资源的关系网络，更好的进行信息推荐12]，资源聚类[13]，或者通过网络的共现建立用推荐的理论主要是协同过滤、内容分析、关滤是最早提出，研究最深入、商业应用最广所有用户或商品的信息，并从中发现品味相构造经过排序的推荐列表。析在最初只是协同推荐技术的延续与发展，见，而是依据用户已经选择的商品内容信息计

图 2.1 关键词共现知识图谱表 2.2 高频关键词统计排名 频次 中心度 关键词12345678910393630282423191717150.040.060.030.010.030.010.020.030.000.02FolksonomySocial TaggingWeb 2.0Recommender SystemsCollaborative TaggingSocial BookmarkingSocial MediaSocial NetworksSemantic WebOntologyolksonomy 和 Social Tagging 分别排在第一、第二位，Folksonomy 主要标签的应用角度，即索引和检索两方面展开研究，由于传统的固定分类

【参考文献】：
期刊论文
[1]社会网络视角下的用户关系与信息服务体系研究[J]. 张莉.  情报科学. 2013(07)
[2]社会网络环境下用户关系对信息传播的影响作用——以新浪微博为例[J]. 胡吉明,张蔓蒂,黄如花.  情报杂志. 2013(06)
[3]基于K-核分析的中国啤酒品牌二分网络结构研究[J]. 宗刚,赵晓东.  北京工业大学学报. 2013(06)
[4]复杂网络中最小K-核节点的传播能力分析[J]. 任卓明,刘建国,邵凤,胡兆龙,郭强.  物理学报. 2013(10)
[5]新浪微博名人用户特征挖掘及效应研究[J]. 郭秋艳,何跃.  情报杂志. 2013(02)
[6]人际—群际信任的差异:测量与影响因素[J]. 辛自强,高芳芳,张梅.  上海师范大学学报(哲学社会科学版). 2013(01)
[7]微博用户关系挖掘研究综述[J]. 王连喜,蒋盛益,庞观松,吴美玲.  情报杂志. 2012(12)
[8]基于知识图谱的国内外个性化推荐比较研究[J]. 武慧娟,周兰萍,辛跃.  东北电力大学学报. 2012(05)
[9]基于知识图谱的社会化标签系统研究热点与前沿分析[J]. 武慧娟,徐宝祥.  情报科学. 2012(10)
[10]Web 2.0环境中用户生成内容的自组织[J]. 李鹏.  图书情报工作. 2012(16)



本文编号：3372943