基于社交网络数据的个性化推荐研究

随着移动技术的发展,社交网络已经成为互联网产品中的主体,而社交网络产生的大量关系数据可以被用来进行个性化推荐的研究。本文在社交网络数据和用户行为数据的基础之上,研究了基于社交网络的个性化推荐,提出了一种概念算法,该算法很好的模拟的现实社会中的好友推荐关系。     

基于社交网络的社会化推荐算法研究

社交网络日趋活跃,基于社交网络的推荐成为电子商务推荐系统研究的热点领域之一;如何利用社交网络数据给用户进行推荐物品,是基于社交网络的推荐算法的研究重点。对社交网络的定义、社交网络数据的分类进行概述,研究基于邻域的社会化推荐和基于图的社会化推荐算法;结合实际推荐系统对社会化推荐算法进行改进设计。     

一种多特征微博僵尸粉检测方法与实现

微博中僵尸粉的大量出现,不仅对微博影响力计算与社交网络关系分析带来了新的挑战,而且对用户带来了社交诚信危机。首先对微博僵尸粉进行概念上的定义;其次通过用户个人信息、用户微博内容和用户链接关系分析僵尸粉与普通用户之间的不同特征,并训练了一个基于C4.5决策树的僵尸粉分类系统;最后使用新浪微博数据对系统进行评估,结果显示该系统对微博僵尸粉有92.8%的判别准确率与92.8%的召回率。     

从社会学视角看新浪微博的社交功能

借助互联网上的社交平台,人类可以超越传统交往的时空限制、主体范围限制、交往方式的限制。从社会学视角来看,网络的社交功能可以用"社会互动"一词描述。微博作为新兴的社交平台,既有传统的网络社会互动的特点,又实现对人类互动行为的重构。本文通过概述新浪微博作为网络互动平台所具有的共性,结合新浪微博互动呈现出的新特点解析网络中的社会互动,并探讨网络互动与现实互动的关系。     

自媒体时代微博受众的心理分析

自媒体是伴随博客、微博、微信等网络社交平台出现后的热词。进入自媒体时代后,"人人皆记者""人人皆媒体"的说法更是在社会上掀起一股热潮,作为推动自媒体发展的一大动力——微博,有着非常广泛的受众群体,微博受众参与网络社交有着种种心理。     

基于微博签到行为的城市感知研究——以深港地区为例

随着社交网络不断普及,以微博签到为代表的位置分享服务信息增多,为研究城市意象及不同人群的城市感知行为提供了新的数据来源和视角。文章基于深港地区新浪微博签到数据,通过对用户微博签到行为特征总结,提取行为特征参数,采用基于支持向量机(SVM)的机器学习算法进行人群监督分类,并针对居民和游客两类人群的城市感知行为进行对比研究。研究发现了激发人们产生城市意象的点、线、面感知空间结构,以及居民和游客感知区域和强度不同。城市空间也可分为"客厅型"和"卧室型"空间。文章中所用方法及得出的初步研究结果对城市意象管理、城市旅游规划等研究是有益的。     

基于微博平台的大学生自我表露研究

微博作为当下最活跃的网络社交工具之一,受到越来越多大学生青睐。微博以其去中心化的传播模式,匿名性、自主性传播的特点,大学生愿意将自己在现实生活中不愿意说、或不好意思说的话通过微博平台表露出来。本文通过对合肥大学生微博用户在微博中的自我表露的实证研究,探究大学生微博用户在微博中如何进行自我表露,自我表露行为的动机,同时也让我们了解大学生心路历程、生存状态。     

突发事件中微博用户的行为特征分析

文章采集新浪微博上有关"甘肃庆阳校车"这一突发事件的微博数据,根据数据中粉丝数、关注数和博文数的特点来分别分析用户特征,并按照地域的不同分类分析用户特征。结果发现,低活跃度、低影响力和获取信息范围小的用户都对突发事件进行了积极的发言。     

基于互信息的微博新词发现算法

微博是一种近些年来兴起的互联网媒体,每时每刻都会产生各种新生的网络词汇。对于新词发现算法中表现出的缺点,文中提出了一种基于互信息的微博新词发现算法,将互信息合并多字词的方式应用到微博新词的发现中,并且通过实验验证了本文算法对于微博新词发现的有效性。     

TopN推荐系统的差分隐私保护研究

提出了1种基于差分隐私保护的TopN协同过滤推荐算法—DP-TopN算法,使用Laplace噪音机制分别对推荐过程的数据预处理部分和用户评分部分进行随机扰动,并对推荐算法步骤进行调整,使得整个推荐过程满足差分隐私模型,从而达到保护用户隐私安全的目的。通过在真实数据集上进行的实验和理论分析表明,所提算法能在满足精确推荐的同时有效地保护用户的个人隐私。