基于多维度融合的科研合作者推荐研究
这是一篇关于科研合作者推荐,多维度融合,LDA主题模型,PageRank算法,社会网络分析法的论文, 主要内容为随着互联网与信息技术的快速发展,传统的资料室、图书馆逐渐向信息化、数字化方向转型,学术资源数据库也应运而生。30余年来,国内知网、维普、万方等学术资源数据库迅速崛起,收集、整理的文献数据规模不断扩大。学术资源数据库的出现,逐步改变了知识传播的形式,极大地促进了知识共享,也为众多学者提供了在线阅读和展示学术成果的平台。与此同时,日新月异的科学技术变化和爆炸式增长的学术信息,也为学者发现感兴趣且合适的合作对象带来了困难。对于学者而言,一个准确、合适的推荐结果,能够促进研究产出,提高科研质量,并提升用户对推荐系统的体验感、满意度。因此,如何帮助学者在浩如烟海的学术资源信息中快速地找到学术水平较高、与自身研究兴趣相近,且合作机率较大的科研合作者,成为科研合作者推荐相关研究的关键和难点。本文以CNKI和CSSCI的学术资源信息为例,借助语义分析法、社会网络分析法等方法,通过挖掘学者自然属性、兴趣属性、能力属性、社交属性四个维度的信息,最后借助专家打分和层次分析法实现基于多维度融合的科研合作者推荐。其中,自然属性中选择学术年龄、职称或教育背景、机构所属省份三个指标,对学术年龄、职称或教育背景两指标先评级,后依据与被推荐学者的相似度构建打分矩阵,对机构所属省份指标,根据经纬度计算距离,后生成省际距离的倒数矩阵;学者的兴趣属性由学者的所著文章摘要体现,视学者所著摘要为文本文档,借助文章关键词构建自定义词表,对摘要信息进行分词处理后,借助LDA主题分析法和余弦相似度法对学者进行文本信息主题挖掘和相似度计算;能力属性由融合逐年发文年数的h指数和机构权威度综合体现,其中,融合后的h指数既考虑了学者学术生涯的影响力,又考虑了近期的生产力,机构权威度由机构在图书情报领域的学科评估和机构的建设水平综合评级打分而体现;社交属性引入了学者的引文网络和合作网络,借助PageRank算法实现对学者的引文网络打分,借助Gephi软件分别生成学者和机构的合作网络并计算学者和机构的点度中心度和中介中心度。最后归一化处理4个维度的1 1个指标,并结合层次分析法整合专家指标赋权意见,得到指权重,再综合各指标分值得到科研合作者推荐结果。
基于多维度融合的科研合作者推荐研究
这是一篇关于科研合作者推荐,多维度融合,LDA主题模型,PageRank算法,社会网络分析法的论文, 主要内容为随着互联网与信息技术的快速发展,传统的资料室、图书馆逐渐向信息化、数字化方向转型,学术资源数据库也应运而生。30余年来,国内知网、维普、万方等学术资源数据库迅速崛起,收集、整理的文献数据规模不断扩大。学术资源数据库的出现,逐步改变了知识传播的形式,极大地促进了知识共享,也为众多学者提供了在线阅读和展示学术成果的平台。与此同时,日新月异的科学技术变化和爆炸式增长的学术信息,也为学者发现感兴趣且合适的合作对象带来了困难。对于学者而言,一个准确、合适的推荐结果,能够促进研究产出,提高科研质量,并提升用户对推荐系统的体验感、满意度。因此,如何帮助学者在浩如烟海的学术资源信息中快速地找到学术水平较高、与自身研究兴趣相近,且合作机率较大的科研合作者,成为科研合作者推荐相关研究的关键和难点。本文以CNKI和CSSCI的学术资源信息为例,借助语义分析法、社会网络分析法等方法,通过挖掘学者自然属性、兴趣属性、能力属性、社交属性四个维度的信息,最后借助专家打分和层次分析法实现基于多维度融合的科研合作者推荐。其中,自然属性中选择学术年龄、职称或教育背景、机构所属省份三个指标,对学术年龄、职称或教育背景两指标先评级,后依据与被推荐学者的相似度构建打分矩阵,对机构所属省份指标,根据经纬度计算距离,后生成省际距离的倒数矩阵;学者的兴趣属性由学者的所著文章摘要体现,视学者所著摘要为文本文档,借助文章关键词构建自定义词表,对摘要信息进行分词处理后,借助LDA主题分析法和余弦相似度法对学者进行文本信息主题挖掘和相似度计算;能力属性由融合逐年发文年数的h指数和机构权威度综合体现,其中,融合后的h指数既考虑了学者学术生涯的影响力,又考虑了近期的生产力,机构权威度由机构在图书情报领域的学科评估和机构的建设水平综合评级打分而体现;社交属性引入了学者的引文网络和合作网络,借助PageRank算法实现对学者的引文网络打分,借助Gephi软件分别生成学者和机构的合作网络并计算学者和机构的点度中心度和中介中心度。最后归一化处理4个维度的1 1个指标,并结合层次分析法整合专家指标赋权意见,得到指权重,再综合各指标分值得到科研合作者推荐结果。
基于在线社区的核心节点挖掘及其群体推荐研究
这是一篇关于在线社区,核心节点识别,群体推荐,社会网络分析法,偏好差异的论文, 主要内容为在互联网技术飞速发展的大环境中,网络信息量与日俱增,面对海量数据中寻找感兴趣的信息变的越来越难。推荐系统伴随信息过载问题的出现而出现,能够为用户推荐可能感兴趣的信息,大大减少用户搜寻信息的成本,同时商家可利用这一工具做到精准营销。随着技术的发展,在线社区和社交网络也逐渐兴起,通过网络,人与人之间的互动更加便捷和频繁,越来越多的活动开始以群体为单位展开,由此而带来了以群体为目标的推荐需求。目前针对个性化的推荐研究已逐渐趋于成熟,然而群体推荐系统不同于个体推荐的简单叠加,群体内存在用户偏好差异等各种问题,群体推荐的仍然需要各方面的深入研究。在线社区拥有其自身独特的特点。在线社区网络在发展中逐渐趋于兴趣社区,用户由于相似的兴趣自主形成小规模群体,群体具有明显边界且往往在群体中存在核心用户,主导群体的偏好。根据目前群体推荐的研究现状,本文针对在线社区的特点,研究在线社区核心节点的识别方法,并在此基础上提出基于核心用户群体偏好的群体偏好模型构建方法,改进群体推荐的算法,来提高群体推荐的准确性。首先,本文利用社会网络分析法针对在线社区进行研究,在点度中心度基础上提出以节点核心度衡量节点的核心程度,以豆瓣网电影小组为研究对象,综合考虑了节点在网络中的中心性、节点的网络覆盖程度以及用户自身的属性、粉丝重要程度等因素。在定性分析基础上,对节点核心度进行定量表示。更符合在线社区的实际应用情况。其次,由于核心群体在群体中的主导地位,及其对群体整体偏好的重要影响,本文在以往研究基础上,根据识别出的核心节点确定群体中的核心群体,采用平均满意聚合策略聚合核心群体用户偏好构建核心群体偏好,代替群体偏好,得到初步的群体用户偏好模型。再次,考虑到实际应用中虽然核心群体偏好影响群体偏好向一致性方向发展,但群体中用户间的偏好差异仍不可避免,为了得到更好的推荐效果,在初步的群体偏好模型中考虑非核心用户和核心群体偏好差异因素,构建最终的群用户偏好模型,并进行群体推荐。最后,利用豆瓣网电影兴趣小组数据进行实验分析,验证本文提出模型的有效性。通过研究显示本文所提出改进方法有效地提高了群体推荐准确度、精确度。
基于多维度融合的科研合作者推荐研究
这是一篇关于科研合作者推荐,多维度融合,LDA主题模型,PageRank算法,社会网络分析法的论文, 主要内容为随着互联网与信息技术的快速发展,传统的资料室、图书馆逐渐向信息化、数字化方向转型,学术资源数据库也应运而生。30余年来,国内知网、维普、万方等学术资源数据库迅速崛起,收集、整理的文献数据规模不断扩大。学术资源数据库的出现,逐步改变了知识传播的形式,极大地促进了知识共享,也为众多学者提供了在线阅读和展示学术成果的平台。与此同时,日新月异的科学技术变化和爆炸式增长的学术信息,也为学者发现感兴趣且合适的合作对象带来了困难。对于学者而言,一个准确、合适的推荐结果,能够促进研究产出,提高科研质量,并提升用户对推荐系统的体验感、满意度。因此,如何帮助学者在浩如烟海的学术资源信息中快速地找到学术水平较高、与自身研究兴趣相近,且合作机率较大的科研合作者,成为科研合作者推荐相关研究的关键和难点。本文以CNKI和CSSCI的学术资源信息为例,借助语义分析法、社会网络分析法等方法,通过挖掘学者自然属性、兴趣属性、能力属性、社交属性四个维度的信息,最后借助专家打分和层次分析法实现基于多维度融合的科研合作者推荐。其中,自然属性中选择学术年龄、职称或教育背景、机构所属省份三个指标,对学术年龄、职称或教育背景两指标先评级,后依据与被推荐学者的相似度构建打分矩阵,对机构所属省份指标,根据经纬度计算距离,后生成省际距离的倒数矩阵;学者的兴趣属性由学者的所著文章摘要体现,视学者所著摘要为文本文档,借助文章关键词构建自定义词表,对摘要信息进行分词处理后,借助LDA主题分析法和余弦相似度法对学者进行文本信息主题挖掘和相似度计算;能力属性由融合逐年发文年数的h指数和机构权威度综合体现,其中,融合后的h指数既考虑了学者学术生涯的影响力,又考虑了近期的生产力,机构权威度由机构在图书情报领域的学科评估和机构的建设水平综合评级打分而体现;社交属性引入了学者的引文网络和合作网络,借助PageRank算法实现对学者的引文网络打分,借助Gephi软件分别生成学者和机构的合作网络并计算学者和机构的点度中心度和中介中心度。最后归一化处理4个维度的1 1个指标,并结合层次分析法整合专家指标赋权意见,得到指权重,再综合各指标分值得到科研合作者推荐结果。
面向教育技术学领域的知识地图建构研究
这是一篇关于知识地图,社会网络分析法,知识地图模型的论文, 主要内容为当前学科领域的学习与研究过程中,对知识的发展脉络普遍存在把握不清等问题,本文试图通过知识地图的表现形式,建立一套立足于教育技术学科并能够推广至其他学科领域的知识地图建构模型,形成学科领域知识建构、分析与解析的方式方法,在更一般意义上通过技术手段实现知识地图自动化构建的系统环境。为此,我们将上述问题分解为四个子问题加以解决：(1)何为学科领域知识地图、它应由哪些元素构成?(2)如何建构学科领域知识地图模型?(3)以教育技术学科为例,如何根据所构建的知识地图模型进行分析与解释?(4)利用教育技术学科领域中所生成的分析数据,如何利用技术手段予以实现自动化知识地图系统环境? 首先,本文认为学科领域知识地图应以时间维度为依托,分别从知识散点聚类分布、网络直径发展变化、节点度数分布情况、图密度发展变化等多方面考虑并绘制关于某一学科领域的多张知识地图——我们称之为“胖知识地图”。 其次,学科领域知识地图模型的构建是以把握和理顺学科知识发展情况为导向的,在总结和分析前人对知识地图模型建构的基础上,将该系统模型分为“学科知识的确定”—“数据的搜集”—“数据的清洗”—“矩阵的构建”—“知识地图的绘制”—“知识地图的测量与分析”—“数据的反馈”—“学科知识结构解析与知识流动趋势的预测”八个部分。 接着,以教育技术学科为例,根据系统模型理论,形成了关于教育技术学科领域的“胖知识地图”,并主要运用社会网络分析法对知识地图进行分析与解释。为清楚反应国内外该学科领域发展的区别,本文仅从知识的散点聚类分析方面予以对比分析。 最后,在上述分析的基础上形成教育技术学科领域的关系数据,并通过数据挖掘、认知心理学中产生式理论——ACT-R及J2EE+F1ex的方式实现自动化知识地图系统平台。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码导航 ，原文地址：https://bishedaima.com/lunwen/54048.html
