您当前的位置:首页 > 论文浏览
您选择的条件: 章成志(5)

1. chinaXiv:201711.01959 [pdf]

融合内容与用户手势行为的用户画像构建系统设计与实现

汪强兵; 章成志
分类: 图书馆学、情报学 >> 情报学

【目的】开发移动端的文献阅读系统, 通过利用在移动端的用户手势行为数据及手势行为对应的内容, 挖掘用户兴趣, 构建用户兴趣画像。【应用背景】融合内容与用户行为的用户画像构建系统能够挖掘用户在阅读文献时的兴趣, 并进行用户画像构建。【方法】以移动平台下的Web 阅读系统为工具, 通过收集用户在移动设备上浏览文献产生的用户手势行为(单击、双击、滑动、拖动、放大/缩小等)数据以及与用户手势行为相对应的文本内容, 结合对应文本内容的浏览时间构建用户模型。【结果】用户在使用文献阅读系统时可以发现自己在阅读文献过程中的阅读兴趣, 进行用户兴趣画像构建。【结论】初步研究结果表明使用用户手势行为可以在一定程度上反映用户的阅读兴趣, 并进行用户建模。该研究结论可以提高市场营销和个性化推荐系统的效果。

提交时间: 2017-11-08 来自合作期刊:《数据分析与知识发现》 点击量357下载量236 评论 0

2. chinaXiv:201711.01992 [pdf]

融合内容与用户手势行为的用户画像构建系统设计与实现

汪强兵; 章成志
分类: 图书馆学、情报学 >> 情报学

【目的】开发移动端的文献阅读系统, 通过利用在移动端的用户手势行为数据及手势行为对应的内容, 挖掘用户兴趣, 构建用户兴趣画像。【应用背景】融合内容与用户行为的用户画像构建系统能够挖掘用户在阅读文献时的兴趣, 并进行用户画像构建。【方法】以移动平台下的Web 阅读系统为工具, 通过收集用户在移动设备上浏览文献产生的用户手势行为(单击、双击、滑动、拖动、放大/缩小等)数据以及与用户手势行为相对应的文本内容, 结合对应文本内容的浏览时间构建用户模型。【结果】用户在使用文献阅读系统时可以发现自己在阅读文献过程中的阅读兴趣, 进行用户兴趣画像构建。【结论】初步研究结果表明使用用户手势行为可以在一定程度上反映用户的阅读兴趣, 并进行用户建模。该研究结论可以提高市场营销和个性化推荐系统的效果。

提交时间: 2017-11-08 来自合作期刊:《数据分析与知识发现》 点击量377下载量259 评论 0

3. chinaXiv:201711.02028 [pdf]

面向在线社交网络用户生成内容的饮食话题发现研究

张晓勇; 周清清; 章成志
分类: 图书馆学、情报学 >> 图书馆学

【目的】通过大规模文本聚类技术进行话题检测, 并自动拣选优质话题。【方法】以新浪微博上与饮食相关的微博内容为数据源, 结合文本聚类与深度学习知识进行话题检测。通过匹配微博发布的月份, 将微博划分为四季微博; 使用向量空间模型和文本聚类方法, 对不同季节的微博进行话题检测, 获得候选话题; 结合深度学习知识, 提出主题覆盖率概念, 用以自动评价话题质量, 去除低质量话题。【结果】基于主题覆盖率的话题筛选结果符合人工拣选预期, 抽取获得主题覆盖率高于0.5 的优质话题。【局限】话题检测质量的评价主要以定性评价为主。【结论】通过计算主题覆盖率来自动选择优质话题, 该方法效率高, 通用性强, 获得的话题便于理解, 较好地揭示了四季中饮食微博的话题分布。

提交时间: 2017-11-08 来自合作期刊:《数据分析与知识发现》 点击量390下载量183 评论 0

4. chinaXiv:201711.01238 [pdf]

微博用户标签与博文内容相关度研究

朱玲; 薛春香; 章成志; 傅柱
分类: 图书馆学、情报学 >> 情报学

【目的】探索微博用户标签与其发布微博主题之间的潜在关系, 为微博类应用平台的主题发现以及用户标签自动推荐服务提供参考。【方法】利用爬虫程序抓取“自然语言处理”领域新浪微博用户信息及微博, 对抓取的微博内容进行分词并对用户标签进行语义扩充, 运用编辑距离算法将标签集与用户的微博内容进行匹配。【结果】对匹配结果进行抽样分析, 发现新浪微博平台上, 学术领域微博用户标签和用户所发微博内容具有一定的相关度。【局限】仅对学术领域和新浪微博进行相关研究, 研究领域和应用平台有待进一步扩展。【结论】微博标签推荐系统可以将用户微博内容作为标签推荐的重要数据来源, 为用户提供更有针对性的个性化标签; 同时,在对微博内容进行主题抽取和分析时, 可以借助微博用户标签优化分析结果。

提交时间: 2017-10-11 来自合作期刊:《数据分析与知识发现》 点击量162下载量111 评论 0

5. chinaXiv:201711.01196 [pdf]

基于菜谱与微博用户评论的饮食社区挖掘研究

吴小兰; 章成志
分类: 图书馆学、情报学 >> 情报学

【目的】以大规模真实社交网络数据作支撑研究饮食社区结构。【方法】使用“美食杰”网站的菜谱信息和新浪微博上与菜有关的微博数据, 完成用户与菜之间的“提及”关系构建后, 分别在省份地区维度和地区菜系维度进行映射, 并运用社区发现算法进行社区挖掘。【结果】在省份地区关系网和地区菜系关系网上存在明显的社区结构。【局限】实验过程中发达地区人数与边缘地区人数悬殊太大, 对本文所得结论有一定的影响。【结论】实证结果发现: 省份地区被划分成“其他口味”、“鲜咸味”、“香辣味”三个口味地区; “川菜”、“云贵菜”因辅料独特很少与其他菜系被一起点餐, “京菜”、“沪菜”、“鲁菜”、“东北菜”常被一起点餐, 除此之外, 地区菜系之间存在一定程度的地理位置近邻性。

提交时间: 2017-10-11 来自合作期刊:《数据分析与知识发现》 点击量164下载量114 评论 0

  [1 页/ 5 条记录]