新書推薦：
《
宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：HK$
155.7
《
UE5虚幻引擎必修课（视频教学版）
》
售價：HK$
110.9
《
真需求
》
售價：HK$
110.9
《
阿勒泰的春天
》
售價：HK$
50.4
《
如见你
》
售價：HK$
51.3
《
人格阴影 全新修订版，更正旧版多处问题。国际分析心理学协会（IAAP）主席力作
》
售價：HK$
67.0
《
560种野菜野果鉴别与食用手册
》
售價：HK$
67.1
《
中国官僚政治研究（一部洞悉中国政治制度演变的经典之作）
》
售價：HK$
62.7
|
| 編輯推薦： |
情报学领域的各个高校的研究生、博士生等从理论角度看，目前在社会化标注系统中研究个性化信息推荐处于刚刚起步*段，*今仍没有形成*个统*的理论框架。 武慧娟*的这本《社会化标注系统中个性化信息推荐模型研究》在对社会化标注系统的形成、演进等进行系统科学的分析基础之上，通过对社会化标注系统内的用户关系网络信息进行挖掘，发现用户关系网络的结构*征和凝聚子群；从系统学的角度构建个性化信息推荐的静态和动态模型。
|
| 內容簡介： |
|
个性化信息推荐是充分利用互联网上用户产生的数据来解决目前的个性化信息服务问题的有效方法，本书针对社会化标注系统中的个性化信息推荐模型问题展开研究，在综述“社会化标注系统”“个性化信息推荐”的基础上，对围内外“社会化标注系统中的个性化信息推荐模型”的研究现状进行分析，通过白组织理论、社会网络分析理论、系统动力学等理论与方法，围绕社会化标注系统的演化过程、用户关系网络、个性化信息推荐模型构建等核*问题进行详细分析，*后从静态、动态两个角度分别构建社会化标注系统中的个性化信息推荐模型。
|
| 目錄：
|
目录
前言
第1章绪论1
1.1研究背景1
1.2研究目的与意义5
1.2.1研究目的5
1.2.2研究意义5
1.3研究内容6
1.4研究方法与技术路线7
1.4.1研究方法7
1.4.2技术路线7
1.5本章小结9
第2章社会化标注系统与个性化信息推荐10
2.1社会化标注系统研究10
2.2个性化信息推荐研究14
2_3社会化标注系统中个性化信息推荐模型研究综述17
2.3.1围外社会化标注系统中个性化信息推荐模型研究综述17
2.3.2围内社会化标注系统中个性化信息推荐模型研究综述21
2.4社会网络分析存社会化标注系统中的应用研究综述22
2.5本章小结23
第3章信息推荐的相关理论24
3.1熵与白组织理论24
3.1.1熵的提出24
3.1.2自组织理论24
3.2社会网络分析理论26
3.2.1社会网络分析的内涌26
3.2.2社会网络分析的研究方法28
3.3系统动力学理论30
3.3.1系统动力学的内涵30
3.3.2系统动力学的形成与发展31
3.3.3系统动力学的研究方法32
3.4本章小结34
第4章社会化标注系统的内涵35
4.1社会化标注系统的类型35
4.2社会化标注系统的自组织*征36
4.3社会化标注系统的自组织演化形式38
4.3.1二元*循环39
4.3.2三元*循环41
4.3.3社会化标注系统的*循环42
4.4社会化标注系统的耗散结构44
4.4.1社会化标注系统的层级关系45
4.4.2社会化标注系统的层级耗散结构45
4.4.3社会化标注系统的熵46
4.5本章小结48
第5章社会化标注系统中的用户关系分析49
5.1社会化标注系统中的用户关系49
5.1.1用户需求分析49
5.1.2用户关系的形成52
5.1.3用户关系的*征53
5.1.4用户关系的类型55
5.1.5用户关系的分析流程58
5.2用户关系的维度分析58
5.2.1知识维59
5.2.2信任维60
5.2.3结枸维62
5.3用户关系的社会网络结构63
5.3.1幂律分布63
5.3.2网络密度65
5.3.3核*-边缘结构65
5.3.4中*性66
5.4用户关系的凝聚子群69
5.4.1块模型69
5.4.2K-核73
5.4.3结构涮76
5.5本章小结79
第6章社会化标注系统中个性化信息推荐模型构建80
6.1社会化标注系统中个性化信息推荐模型框架80
6.1.1个性化信息推荐模型构成要素80
6.1.2个性化信息推荐模型构建原则81
6.1.3个性化信息推荐静态模型82
6.1.4个性化信息推荐动态模型83
6.2社会化标注系统个性化信息推荐模型系统动力学分析85
6.2.1个性化信息推荐因果关系分析85
6.2.2个性化信息推荐的存量流量图86
6.3模型评*88
6.4本章小结89
第7章个性化信息推荐模型实证分析90
7.1豆瓣网概况90
7.1.1豆瓣的网站架构90
7.1.2豆瓣网的白组织演化90
7.2可瓣网的样本数据91
7.3可瓣网的用户关系网络96
7.3.1幂律分布96
7.3.2网络密度96
7.3.3核*-边缘结构97
7.3.4中*陆98
7.4豆瓣网的用户凝聚子群100
7.4.1块模型100
7.4.2K-核105
7.4.3结构洞107
7.5豆瓣例的个性化信息推荐模型测试109
7.6结果评*114
7.7本章小结115
第8章结论与展望116
8.1研究结论116
8.2研究展望117
参考文献118
|
| 內容試閱：
|
第1章绪论
1.1研究背景
1．Web3.0内涵
2005年，BillGates提出了互联网新的概念模式-Web3.0，这*概念的提出引起了学术界和企业界的巨大反响，接下来，*家*开始对Web3.0的概念和*征进行描述。2007年，瑞达网络(RadarNetworks)公司的*始人Spivak认为：Web3.0可以描绘互联网发展的第3个十年，*2010--2020年，如图1.1所示。
图11Web发展史
从互联网发明开始，*1990～2000年，人类进入了Webl.0的时代，用户通过各种门户网站的搜索引擎，快速地搜索任何想要的资源，这些资源以文本、视频、声音等多种类型的文件出现，所以Webl.0时代解决了“搜索、“下载”的问题。2000～2010年，人类进入了Web2.0的时代，用户可以在网上共同参与*个游戏，共同解决*个问题，*夜之间全民*学会了偷菜，所以Web2.0的时代解决了“参与、互动”的问题。2010～2020年，用户急需在杂乱无章的信息中寻找适合自己的、*准的、高效的信息，*个性化的信息服务面世，其中丰要使用语义网、资源描述框架(ResourceDescriptionFramework．RDF)、OpenID、应用程序编程接口(ApplicationProgrammingInterface，API)、Mash-up等技术进行个性化的信息服务。
Web3.0用于信息服务的关键技术丰要有OpenAPI、OpenID、Mash-up等。其中OpenAPI丰要实现了不同程序应用平台之间数据的共享，可以容纳更多的第三方应用，实现信息的聚合；使用OpenID技术可以使用户通过*个统*资源定位符(UniformResourceLocator，URL)用户名进行身份的识别，同时可以进入相互兼容的不同平台，既方便了后台对用户的管理，又增强了用户的体验感；Mash-up是*个Web应用程序，它集成了来自多个信息源的内容并将其交付到*个页面中进行显示，服务器向每个内容源发出请求，解析收到的信息，并将结果综合到*个页面中发给浏览器。
文献[4]指mWeb3.0的核*思想就是：Web3.0不仅是使用RDF、OWL(WebOntologyLanguage)、SPARQL(SimpleProtocolandRDFQueryLanguage)标准技术产生的、可以作为各种应用程序数据库的智能化网络，而且是对于Web2.0深入发展的结果，是对当前开源软件、资源共享、广泛参与等互联网观念的升华，是本体技术和知识组织观念在网络空间中的延伸和深入发展。文献指出Web3.0的*征有*个，分别是“个性化的信息聚合”，*使用Mash-up对轻量级的内容进行集成，用户可以根据自己的需要组装出自己的应用程序，从而提供基于用户偏好的个性化聚合服务；“信息检索的高*准度”，使用用户生成内容(User-Gener-atedContent，UGC)的筛选性分离出可信度更高的信息提供给用户；“搜索引擎的智能化”，使用语义网让人与机器之间的沟通像人与人之间的沟通*样顺畅，自动聚合各种内容和应用；“多种*端平台、跨网站和跨语言信息交互”，使用OpenID身份识别框架让用户在不同的平台上进行信息交互，实现无*界的沟通。
2．社会化标注系统
日前，有关社会化标注系统的严格定义还没有统*，但从相关文献中分析，社会化标注系统(socialtaggingsystem)主要是以“用户-资源-标签”二元关系为研究对象的典型复杂动态网络，具体是从内*结构、演化机理和应用三方面开展的*个研究方向。在社会化标注系统中，用户可以根据个人的需要自由选择词汇对所喜爱的资源进行标注，每添加*个词汇称为对资源添加*个“标签”(tag)，用户、资源和标签组成了社会化标注系统的三个基本元紊。
社会化标注自从产牛后就得到了大众的广泛关注，情报学、图书馆、博物馆等信息组织领域和计算机、信息构建等信息技术领域的**对社会化标注产牛了浓厚的兴趣。日前，*内外对社会化标注的概念仍然没有*个统*的定义，*外社会化标注(socialtagging)等同于Folksonomy、CollaborativeTagging、SocialClassification、SocialIndexing，在我*称为大众分类法、公众分类法、民俗分类法和合作标注等，这主要是从标签的分类角度米研究的。但是标签是由用户对某个资源标注的，体现了用户、资源、标签是*个完整的系统，所以对Folksonomy的研究是建立在社会化标注系统的内容结构基础之上的。
3．信息推荐
信息推荐指的是通过某种过滤技术将满足用户信息需求的信息通过某种方式推荐给相关的用户，更常见的是将*新的满足需求的信息推荐给用户。这里强调的是“*新的满足需求的信息”，而目前的状况却是用户面对的信息很多，但却不是他想要的。那么如何将用户想要的信息推荐给他，并且使他满意，这就是个性化的信息推荐服务的实质。
例如，在*个阳光明媚的周日上午，当用户端起*杯咖啡，打开笔记本电脑浏览当日的新闻时，网站展示给用户的已经不是那些与他毫不相关、让他毫无兴趣的“垃圾”新闻了，取而代之的是他*直在关注的房*拐点问题和他的股票池中重仓持有的中信证券的*新财报。相应的广告也不再是千篇*律的“*、美白”等让他看*不想看就想关掉的内容，取而代之的是他刚刚开始练*钢琴的*些培训班、销售钢琴的店铺打折消息等。所以在Web3.0时代，如何根据用户的信息需求、兴趣模式、情境模式、用户之问的关系来推荐用户感兴趣的信息、服务、产品等，*如何满足用户个性化的需求，帮助用户在过载信息中快速发现真正所需的商品，提高用户黏性，*信息*和商品销售，是Web3.0时代急需解决的问题。
在*外，SCI(ScienceCitationIndex)晌研究论文检索结果显示信息推荐白2000年以来逐渐成为研究的热点，2004年达到*个小高峰，以此为界分为两个*段；2005年有明显的回落，然后又逐年上升，直到2009年再次达到*峰。根据研究内容得知，2004年以前的研究主要是单纯的用户需求分析和信息内容组织基础上的推荐，*用户需求与信息内容的匹配；从2005年起，研究逐渐转向通过挖掘信息之问的关系、用户之问的关系甚*用户和信息的关系，进*步提高推荐的效率和效果。在*内，从中*知网学术期刊网络出版和万方数字知识服务平台的知识脉络分析可知，个性化信息推荐自从2001年开始被*内*研究以来，逐渐引起了*的注意，总体上，*内比*外的研究要稍晚*些，具体如图1.2所示。
图1.2万方个性化信息推荐研究趋势
日前研究信息推荐的理论主要有复杂网络理论、用户行为学、社会化标注理论等。文献将复杂网络理论引入图书馆个性化信息服务的实际问题中，探讨在复杂网络理论下个性化信息推荐服务的模型。文献[10]利用行为学理论中的效用、声誉和风险态度提出个性化信息推荐模型。文献[11]将众多用户与信息资源联系起来，形成用户与资源的关系网络，更好地进行信息推荐。还有利用标签可以进行用户聚类、资源聚类，或者通过网络的共现建立用户聚类等。
目前研究信息推荐的理论丰要是协同过滤、内容分析、关联规则。
(1)协同过滤是*早提出的，研究*深入、商业应用*广泛。它服务的对象是个体，却利用了所有用户或商品的信息，并从中发现品味相近的用户或属性相近的商品，据此构造经过排序的推荐列表。
(2)内容分析在*初只是协同推荐技术的延续与发展，它不需要用户对项日的任何评*意见，而是依据用户已经选择的商品内容信息计算用户之间的相似性，进而进行相应的推荐。日前很多网站的信息推荐*是通过分析商品的文本信息进行推荐的。
(3)关联规则挖掘的根本日的是寻找商品销售记录的相关性，从而更好地知道销售策略的制定。挖掘物品在空间上的相关性，*发现同时被访问或购买的物品，据此为用户推荐。商品之问的关联规则可以分为空间关联和时问关联两种，时问关联又可以分为周期关联和顺序关联两种。
有学着提出*些相关方法，如矩阵分解、潜层语义分析、**勿、散与热传导等来提高算法的*度。还有*提出混合推荐，就是综合运用以上多种推荐算法进行推荐，不同算法之间可以取长补短，但增加了*定的复杂性，而且推荐结果也不容易解释。
总体上，目前的信息推荐主要从基于商品和基于用户两个角度来进行个性化的信息推荐，基㈠萄品主要是通过商品之问的关联度，来判断被用户购买过的某*商品，可能也会购买与这个商品相关联的其他商品，使用到的技术有协同过滤、内容分析、关联规则等。基于用户主要是通过判断用户之问的相似性，*判断单用户属于的群体，于是把群体的信息资源推荐给群内的单用户，使用到的技术主要是协同过滤，它主要是通过分析用户的购买记录*，判断用户之问的相似性，如使用协同过滤技术的JasonOlim领导的音乐CD零售网站，对用户进行个性化的音乐*辑推荐。
4．社会网络分析
面对Web3.0的*征和核*思想，个性化信息推荐需要能够适应Web3.0的*征而进行个性化的推荐。具体可以从以下三个方面加强：加强对用户隐性需求的理解，要根据用户的知识结构、*里倾向等方面进行挖掘，如基于情景的个性化推荐；加强信息的交流与共享，不同的门户平台可以整合在*起，让用户实现*站式服务；建立多用户兴趣模型，通过用户之间的信任关系，形成用户兴趣群。文献提出了基于信任的社会化推荐系统的模型，文献[16]提出了基于信任、社会关系和语义分析的综合博客推荐方法，从以上三方面可以看出，Web3.0需要对用户进行各方面的挖掘，如用户的隐性知识、用户的兴趣、用户的关系等，而基于社会化网络分析的个性化信息推荐是日前信息推荐研究的热点问题。
科学网的研究结果显示，“与家庭成员相比，朋友会对人的行为和发展产牛更深远的影响”，这说明社会关系对人的决定的影响是非常大的。它的核*是以用户关系为中*，建立用户关系网络模型，对关系结构进行分析，挖掘对信息推荐有益的知识，增加用户的滞留时间，提高用户黏性。
综上，在Web3.0时代，人们不再满足山机器挖掘给用户的各种信息，而是要结合自身的偏好享用个性化的信息服务，无论是产品还是服务，*将为每个用户量身打造，信息世*将变得越米越聪明和智能。而日前的个性化信息推荐不能满足从用户关系的角度进行协同推荐的需求，所以本书是在Web3.0的客观需求和日前的信息推荐理论无法满足需求的背景下，挖掘社会化标注系统中隐含的用户关系网络信息，利用社会网络分析理论对社会化标注系统中的个性化信息推荐进行研究分析。
1.2研究目的与意义
1.2.1研究目的
本书的研究日的主要就是构建基于社会化标注系统的个性化信息推荐模型，解决当前Web环境下个性化信息推荐所面临的信息推荐*率低、数据稀疏、冷启动等诸多问题。
日前，基于社会化标注系统的个性化信息推荐的相关研究多是分散的、应用性的，而系统的、理论的方法较少。本书通道白组织理论详细分析了社会化标注系统的演化形式和结构，在此基础上，利用社会网络分析方法对社会化标注系统中的用户关系网络结构和凝聚子群进行分析，并构建个性化信息推荐的静态模型和动态模型，*后利用系统动力学对信息推荐模型进行动力学影响因素分析。
1.2.2研究意义
本书的研究意义丰要体*理论与实践两个方面。
(1)理论意义。从理论角度看，目前在社会化标注系统中研究个性化信息推荐处于刚刚起步*段，*今仍没有形成*个统*的理论框架。本书在对社会化标注系统的形成、演进等进行系统科学的分析基础上，通过对社会化标注系统内的用户关系网络信息进行挖掘，发现用户关系网络的结构*征和凝聚子群；从系统学的角度构建个性化信息推荐的静态和动态模型。因此，本书的研究成果*方面将*大地丰富当前个性化信息推荐的理论体系，为个性化信息推荐研究的纵深拓展提供新的思路；另*方面，将在*定程度。不完善信息服务的过程，进*步丰富信息服务的基本理论与方法，为信息服务*新提供借鉴，对推进情报学的学科发展具有重要的学科*值。
(2)实践意义。从实践角度看，随着Web3.0的发展，社会化标注系统中的信息急剧增长，急需个性化信息推荐的相关理论迸行指导。利用社会化网络分析技术实现个性化信息推荐够有效缓解互联网带来的“信息泛滥”“信息迷航”等问题。对社会化标注系统用户来说，*别有利于他们获取相关的信息资源，以提高他们的信息或取**；对各类社会化标注站点来说，可以有效提高自适应**，能够动态满足系统用户的信息需求，从而提高站点的竞争力。总体上，本书的研究结果将对各类社会化标注系统的应用和发展起到良好的启示作用，并对各种电子商务运营商和用户起到重要的理论指导意义。
1.3研究内容
在伞面研究*内外相关学术成果的基础上，按照标准的“理论研究-实证研究”研究范式，应用了情报学、文献计量学、系统学、复杂网络等理论知识作为研究的理论基础，*先分析社会化标注系统的形成、演化过程；然后深入研究社会化标注系统中形成的用户关系的网络结构，进*步挖掘关系网络中蕴涵的个性化用户信息，先从静态和动态的角度构建个性化信息推荐模型，后从系统动力学的角度构建个性化信息推荐系统模型；*后利用可瓣网的统计数据进行全面的实证研究。
主要分为五大*分，如下。
(1)研究日前*内外社会化标注系统、个性化信息推荐两方面的研究进展，分析研究的热点与前沿问题，掌握在具体的研究中其所面临的不足，然后从不足处展开，形成本书所要研究的起点，*利用社会网络分析研究用户关系网络，作为分析个性化信息推荐的逻辑起点。
(2)研究社会化标注系统的演化形式和耗散结构。对社会化标注系统中的用户、资源、标签和二者之问的关系进行分析，利用自组织理论研究社会化标注系统的演化机理，具体使用*循环和耗散结构分别分析系统中的用户、标签、资源的各闩演化形式和多层级耗散结构。
(3)分析社会化标注系统中的用户关系网络。*先，基于马斯洛需求理论分析了用户信息需求的形成，在信息需求的推动下，用户之间形成了错综复杂的关系，*社会化标注系统中用户关系网络的形成。然后，分析用户关系网络的结构*征，如网络密度、核*．边缘、中*性等；进*步，从用户关系网络中挖掘凝聚子群的各种信息偏好，从两个角度（群内和群际）对信息进行分析，发现个性化的信息。
(4)构建社会化标注系统中的个性化信息推荐模型。从静态、动态两个角度分别构建社会化标注系统中的个性化信息推荐模型。其中，静态模型主要从系统学的角度展开，动态模型主要从信息推荐的过程角度展开；然后利用系统动力学绘制个性化信息推荐模型，具体由系统的因果关系和系统流图两个内容构成。
(5)对个性化信息推荐进秆实证研究，*先从豆瓣网中抓取数据，然后对前面的系统白组织演化、用户关系网络结构分析、个性化信息推荐模型共三个方面进行整体实证研究。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
