[目的/意義]在學(xué)術(shù)社交媒體快速發(fā)展的今天,開(kāi)展跨學(xué)科研究或者尋求跨學(xué)科合作時(shí),很多科研合作起始于社交媒體上的相識(shí)或關(guān)注,因此開(kāi)展社交媒體上跨學(xué)科用戶推薦非常有意義。社交媒體上主要存在"媒體"(代表內(nèi)容)、"社交"(代表關(guān)系)兩大類數(shù)據(jù),因此本文開(kāi)展了融合內(nèi)容與關(guān)系的社交媒體跨學(xué)科用戶推薦。[方法/過(guò)程]在基于向量空間模型的用戶表示之后,本文借助用戶內(nèi)容信息計(jì)算用戶領(lǐng)域?qū)I(yè)度,根據(jù)關(guān)系數(shù)據(jù)測(cè)度用戶跨學(xué)科距離,同時(shí)結(jié)合用戶關(guān)系網(wǎng)絡(luò)PageRank值給出推薦結(jié)果。[結(jié)果/結(jié)論]以科學(xué)網(wǎng)為例,實(shí)現(xiàn)"圖書(shū)情報(bào)""計(jì)算機(jī)""新聞與傳媒""高等教育""生物學(xué)"這5個(gè)領(lǐng)域內(nèi)的跨學(xué)科用戶推薦,并經(jīng)人工實(shí)驗(yàn)測(cè)試檢驗(yàn),表明推薦結(jié)果在一定程度上能滿足推薦需求。
【部分圖文】：

(2)推薦相似度計(jì)算。本文從領(lǐng)域方向和領(lǐng)域知識(shí)兩個(gè)角度進(jìn)行相似度計(jì)算。如果相似度值高,說(shuō)明推薦需求與用戶信息匹配程度高,反之匹配程度低,詳細(xì)技術(shù)見(jiàn)3.2節(jié)。(3)推薦指數(shù)計(jì)算及結(jié)果輸出。得到領(lǐng)域相似度值后,對(duì)相似度超過(guò)指定閾值的用戶,結(jié)合用戶領(lǐng)域?qū)I(yè)度、跨學(xué)科距離、學(xué)者PageRank值給出推薦順序,其詳細(xì)技術(shù)見(jiàn)3.3節(jié)。

通過(guò)式(7),可以看出,IDD指標(biāo)的計(jì)算是在物種親緣關(guān)系樹(shù)上來(lái)實(shí)現(xiàn)的,為此,本文我們創(chuàng)新性地利用用戶好友的領(lǐng)域?qū)W科分布構(gòu)造用戶學(xué)科親緣樹(shù)。所謂學(xué)科親緣關(guān)系樹(shù)是仿照生物學(xué)領(lǐng)域提出的一個(gè)概念。在生物學(xué)領(lǐng)域,生物分類學(xué)家根據(jù)各類生物間親緣關(guān)系的遠(yuǎn)近,把各類生物安置在有分枝樹(shù)狀的圖表上,簡(jiǎn)明地表示生物的進(jìn)化歷程和親緣關(guān)系,稱為“進(jìn)化樹(shù)”,不同分支上的生物差異較同一分支上的差異大。實(shí)際上,在科學(xué)發(fā)展過(guò)程中,科學(xué)門類也同樣發(fā)生了這樣的演化并分支過(guò)程,有些學(xué)科之間自被創(chuàng)建以來(lái)就表現(xiàn)出明顯的“親緣”關(guān)系。為了突出學(xué)科間“親緣”與“遠(yuǎn)疏”關(guān)系,本文同樣借用了“學(xué)科親緣關(guān)系樹(shù)”這一概念來(lái)表達(dá)用戶與學(xué)科間的相似程度。在本文實(shí)驗(yàn)中,科學(xué)網(wǎng)博客上博主的學(xué)科親緣關(guān)系樹(shù)構(gòu)造過(guò)程示例如圖2所示:為了構(gòu)造跨學(xué)科關(guān)系親緣樹(shù),我們另外需要獲得平臺(tái)的學(xué)科分類體系,因此本文爬取了科學(xué)網(wǎng)博客上的學(xué)科分類體系:包含105個(gè)二級(jí)學(xué)科類別(后文統(tǒng)稱為“二級(jí)學(xué)科類別”)的8個(gè)學(xué)科大類(后文統(tǒng)稱為“一級(jí)學(xué)科類別”),具體類別數(shù)見(jiàn)表1。

基于上述數(shù)據(jù)之后,我們借助Visual studio Code+ Nodejs架構(gòu)設(shè)計(jì)了一個(gè)推薦模型,推薦過(guò)程如下:用戶在推薦模型中選擇領(lǐng)域方向或領(lǐng)域知識(shí)之后,返回排名Top15的跨學(xué)科用戶列表,并同時(shí)給出推薦用戶的其他信息(如工作單位與職稱)瀏覽鏈接。在該模型中,跨學(xué)科用戶排序的思路是:領(lǐng)域方向(direction)與領(lǐng)域知識(shí)(knowledge)相似度加權(quán)組合,其中各個(gè)權(quán)值設(shè)置如下(領(lǐng)域?qū)I(yè)度值,跨學(xué)科距離,Pagerank值都?xì)w一化之后進(jìn)行權(quán)重設(shè)置): α=β=0.5,α1=α2=α3,推薦模型界面如圖3所示:在圖3中,我們可以根據(jù)推薦需求實(shí)現(xiàn)推薦,其過(guò)程如下:①用戶先選擇兩個(gè)不同研究領(lǐng)域,共有“圖書(shū)情報(bào)”“計(jì)算機(jī)”“新聞與傳媒”“高等教育”“生物學(xué)”5個(gè)學(xué)科領(lǐng)域;②隨后,用戶可以選擇級(jí)聯(lián)的“研究方向”,本推薦模型中的“研究方向”主要來(lái)自于371位跨學(xué)科用戶填寫的二級(jí)學(xué)科方向;③繼用戶選擇“研究方向”之后,進(jìn)一步可以選擇級(jí)聯(lián)的“研究知識(shí)點(diǎn)”,其中“研究知識(shí)點(diǎn)”來(lái)自于371位用戶的博文特征;④最后,點(diǎn)擊“推薦”查看推薦結(jié)果,其界面如圖4所示:
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張艷豐;;信息行為嬗變視閾下移動(dòng)用戶社交媒體倦怠行為機(jī)理研究[J];情報(bào)資料工作;2020年01期

2 張撥群;;社交媒體視角下圖書(shū)情報(bào)領(lǐng)域的跨學(xué)科性分析[J];科技傳播;2020年10期

3 葉鳳云;沈思;李君君;;移動(dòng)社交媒體環(huán)境下青少年用戶錯(cuò)失焦慮癥特征提取[J];圖書(shū)情報(bào)工作;2018年17期

4 黃新榮;高晨翔;;過(guò)程視角下的社交媒體存檔技術(shù)研究述評(píng)[J];圖書(shū)館學(xué)研究;2019年02期

5 王露露;;中美圖書(shū)館社交媒體保存項(xiàng)目的比較與啟示[J];圖書(shū)館學(xué)研究;2019年19期

6 黃程松;王雪;胡哲;;移動(dòng)社交媒體用戶自我披露行為研究[J];新世紀(jì)圖書(shū)館;2019年11期

7 張莉;;社交媒體視角下高校圖書(shū)館員及其服務(wù)的轉(zhuǎn)型[J];中國(guó)管理信息化;2017年19期

8 胡雅萍;洪方;;社交媒體情報(bào)研究[J];情報(bào)雜志;2018年03期

9 馬琳;;社交媒體環(huán)境下“網(wǎng)紅”圖書(shū)館營(yíng)銷案例探究[J];圖書(shū)館研究與工作;2018年07期

10 王召龍;;社交媒體時(shí)代圖書(shū)館服務(wù)網(wǎng)絡(luò)口碑推廣策略研究[J];山東商業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2017年03期

相關(guān)博士學(xué)位論文 前1條

1 王雯娜（Wathsala Veenadari Athukorala）;[D];武漢大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 吳查科;隱私疲勞視角下社交媒體用戶隱私披露意愿研究[D];天津師范大學(xué);2019年

2 彭自尊;旅游者對(duì)社交媒體用戶原創(chuàng)內(nèi)容（UGC）的信息采納意愿研究[D];海南大學(xué);2019年

3 原源;政務(wù)社交媒體用戶滿意度影響因素研究[D];鄭州大學(xué);2019年

4 韓春旭;足球類垂直社交媒體信息服務(wù)評(píng)價(jià)指標(biāo)構(gòu)建[D];河北大學(xué);2019年

5 喬秀宏;基于社交媒體平臺(tái)的健康風(fēng)險(xiǎn)信息搜尋行為研究[D];東北師范大學(xué);2019年

6 郭欣慧;科學(xué)論文的社交媒體網(wǎng)絡(luò)擴(kuò)散研究[D];大連理工大學(xué);2018年

7 智惠;基于社交媒體的用戶信息行為研究[D];山西大學(xué);2018年

8 葛松清;基于社交媒體的公共圖書(shū)館品牌形象傳播研究[D];福建師范大學(xué);2017年

9 王小康;社交媒體在圖書(shū)館服務(wù)中的應(yīng)用現(xiàn)狀及對(duì)策研究[D];東北師范大學(xué);2017年

10 趙佩端;社交媒體長(zhǎng)期保存的困擾[D];鄭州大學(xué);2017年

本文編號(hào)：2863850