隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,網(wǎng)絡(luò)信息的數(shù)量迅速增長,大量的數(shù)據(jù)資源為用戶營造了一個豐富多樣的知識環(huán)境。但隨之而來的是信息檢索的復(fù)雜與低效,海量的數(shù)據(jù)信息使得選擇困難的問題日益凸顯。而知識推薦最大的作用就是減少大量復(fù)雜的網(wǎng)絡(luò)信息給用戶帶來的信息選擇上的困難,取而代之的是讓系統(tǒng)主動分析用戶并根據(jù)用戶的不同特征篩選信息,從而為用戶提供感興趣的內(nèi)容。為了能夠更加準(zhǔn)確的對用戶行為進行分析,本文在調(diào)查研究的基礎(chǔ)上提出了以用戶畫像為基礎(chǔ)進行知識推薦的方法,幫助用戶快速檢索出所需信息。本論文研究了虛擬社區(qū)與用戶畫像的相關(guān)概念,對虛擬社區(qū)的用戶以及類型進行了分類,并總結(jié)了用戶畫像的模型構(gòu)建方法以及相關(guān)技術(shù),在研究的基礎(chǔ)上提出了將用戶畫像用于虛擬社區(qū)知識推薦的方法。然后介紹了網(wǎng)絡(luò)文本數(shù)據(jù)挖掘的方法,利用中文分詞對文本進行預(yù)處理,通過TF-IDF算法提取文本特征并生成用戶標(biāo)簽,最終結(jié)合具體的實例構(gòu)建出用戶畫像的模型。為了驗證基于用戶畫像的知識推薦方法具有較好的推薦性能,本研究選擇問答型虛擬社區(qū)“知乎”作為實證對象,通過對比實驗的方式與傳統(tǒng)的推薦算法進行比較并選取評估指標(biāo)作為對比,最終實驗結(jié)果證明基于用戶畫像的方法... 

【文章來源】：鄭州大學(xué)河南省 211工程院校

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

用戶畫像構(gòu)建流程

print("Full Mode"+"/".join(tags))//全模式分詞tags = jieba.cut(final, cut_all=False)print("Default Mode" + "/".join(tags))//精確模式分詞tags = jieba.cut_for_search(final)print("Search Mode" + "/".join(tags))//搜索引擎模式分詞為了直觀說明三種分詞模式的不同，通過一個具體的實例來表現(xiàn)它們輸入待分詞的內(nèi)容，用 info 表示，首先查找 stopwords 停用詞表去除 in要的停用詞，然后依次使用三種分詞方式進行分詞，分詞結(jié)果如下圖。根據(jù)運行結(jié)果可以很清楚的發(fā)現(xiàn)，全模式的分詞結(jié)果最為全面，幾現(xiàn)所有可能形成詞語的組合，但是也會出現(xiàn)一些不符合需要的詞組；的結(jié)果比較簡單精煉，不容易發(fā)現(xiàn)新詞但是完全符合了精確的概念；模式考慮到了所有可能出現(xiàn)的組合，而且劃分的粒度也更為精細(xì)。

圖 3.4 用戶畫像標(biāo)簽體系簽屬性簽屬性靜態(tài)屬性標(biāo)簽是用戶相對穩(wěn)定的信息，是構(gòu)成用戶畫像的基屬性包括年齡、性別、身高、血型等自然屬性，學(xué)歷、職業(yè)地域等社會屬性，財富狀況、消費等級、信用等商業(yè)屬性以觀、情感、思維等心理屬性。本論文中通過數(shù)據(jù)收集可以獲所在行業(yè)、職業(yè)經(jīng)歷、教育經(jīng)歷、個人簡介等經(jīng)過系統(tǒng)認(rèn)證口統(tǒng)計學(xué)維度來講，這個維度的信息相對穩(wěn)定，是可以直接簽屬性動態(tài)屬性是用戶畫像構(gòu)建的關(guān)鍵，能夠直接反應(yīng)用戶對推薦、是否迎合用戶的需求。用戶的動態(tài)屬性包括社會關(guān)系和行包含興趣喜好、朋友關(guān)系、互動行為等社交屬性及類目愛好

【參考文獻】：
期刊論文
[1]基于科研情境的數(shù)字圖書館知識推薦研究[J]. 汪圳,劉成山,秦春秀.  情報理論與實踐. 2018(12)
[2]基于SFA方法的虛擬學(xué)術(shù)社區(qū)知識交流效率研究[J]. 龐建剛,吳佳玲.  情報科學(xué). 2018(05)
[3]畫像分析為基礎(chǔ)的圖書館大數(shù)據(jù)實踐——以國家圖書館大數(shù)據(jù)項目為例[J]. 楊帆.  圖書館論壇. 2019(02)
[4]虛擬社區(qū)知識共享意愿與行為的影響因素及其調(diào)節(jié)變量:元分析研究[J]. 曹樹金,王志紅.  圖書情報工作. 2018(08)
[5]虛擬社區(qū)用戶知識付費意愿實證研究[J]. 方愛華,陸朦朦,劉坤鋒.  圖書情報工作. 2018(06)
[6]基于“用戶畫像”的圖書館資源推薦模式設(shè)計與分析[J]. 王慶,趙發(fā)珍.  現(xiàn)代情報. 2018(03)
[7]以用戶畫像構(gòu)建智慧閱讀推薦系統(tǒng)[J]. 王順箐.  圖書館學(xué)研究. 2018(04)
[8]基于用戶畫像的圖書館知識發(fā)現(xiàn)服務(wù)研究[J]. 張鈞.  圖書與情報. 2017(06)
[9]基于在線評論的用戶畫像研究——以攜程酒店為例[J]. 單曉紅,張曉月,劉曉燕.  情報理論與實踐. 2018(04)
[10]基于視頻大數(shù)據(jù)的用戶畫像構(gòu)建[J]. 王憲朋.  電視技術(shù). 2017(06)

博士論文
[1]虛擬學(xué)習(xí)社區(qū)中的知識建構(gòu)和集體智慧研究[D]. 甘永成.華東師范大學(xué) 2004

碩士論文
[1]基于主題模型的社交網(wǎng)絡(luò)用戶畫像分析方法[D]. 馬超.中國科學(xué)技術(shù)大學(xué) 2017
[2]基于用戶畫像的移動廣告推薦技術(shù)的研究與應(yīng)用[D]. 付小飛.電子科技大學(xué) 2017
[3]基于用戶畫像的醫(yī)療信息精準(zhǔn)推薦的研究[D]. 王智囊.電子科技大學(xué) 2016
[4]移動互聯(lián)網(wǎng)環(huán)境下安徽省高校圖書館知識推薦研究[D]. 劉夢虹.安徽大學(xué) 2013
[5]基于UGC挖掘的學(xué)術(shù)虛擬社區(qū)知識推薦研究[D]. 胡丹華.華中師范大學(xué) 2013
[6]基于網(wǎng)頁內(nèi)容和鏈接的主題爬蟲研究與實現(xiàn)[D]. 羅林波.海南大學(xué) 2010



本文編號：3133462