排序方式： 共有3条查询结果，搜索用时 46 毫秒
1
1.
[目的/意义]从用户相似度计算和用户反馈双重视角出发,进行高质量用户推荐,有利于提高网络知识社区个性化推荐水平。[方法/过程]首先基于爬虫工具和Python包进行用户属性数据采集和分析,以计算用户之间的背景、社交关系、博文信息的综合相似度;然后再计算用户核心度,基于相似度矩阵和核心用户排名形成待推荐列表;最后引入用户反馈机制,并根据用户的正负反馈结果确定最佳Top-k好友。[结果/结论]融入用户反馈的好友推荐模型能够提高推荐用户的质量,有效地提高好友推荐水平,也验证了好友推荐是一个逐步修复的过程。 相似文献
2.
[目的/意义]网络社区核心用户对社区管理存在着巨大的潜在价值,其识别问题研究也具有重要的理论和实践意义,系统梳理现有研究成果与趋势、展望研究方向,能够促进该领域研究进一步深化。[方法/过程]文章在对核心用户相关概念辨析的基础上,从理论与研究方法视角出发,系统梳理了核心用户识别的研究进展,总结和分析了目前该研究领域中常用的5类研究方法,展望了未来的研究方向。[结果/结论]过去的近20年间,网络社区核心用户识别得到了深入广泛的研究,也存在一些不足之处;网络数据获取和挖掘技术以及高阶社会网络分析方法的发展,有望扩展该问题的研究思路,完善研究方法,进一步提高核心用户识别的效果和效率。 相似文献
3.
[目的/意义]当前，好友推荐被广泛地应用于社交网络平台，高质量的好友推荐在满足用户交友需求、帮助用户获取更多信息资源的同时，还提高了用户与社交网站的粘性。[方法/过程]通过对相关文献的分析研究，界定了好友推荐的概念，梳理了社交网络中好友推荐的过程，归纳了好友推荐方法，总结了现有相关研究存在的不足及研究展望。[结果/结论]研究发现，社交网络中的好友推荐依据用户在社交网络平台上留下的记录，帮助用户找到他们感兴趣的其他用户。现有的好友推荐存在冷启动、数据稀疏、动态变化、信息茧房、用户隐私等问题，未来好友推荐可以从推荐的多维性、提供好友推荐结果的解释、设置用户反馈机制以及改进推荐系统的可拓展性等方面进行研究。 相似文献
1