基于Web社会网络的个性化Web信息推荐模型
基于数据挖掘的WEB内容过滤系统模型
信息过滤的缺点 ，可以从 Ｗｅ ｂ数据挖掘的技术构造
Ｗｅ ｂ内容过滤算法。 １ 引入 Ｗ ｂ内容信 息 ｂ页面是一个具有一定 ． ｅ Ｗｅ 结构 的文本 ， 包括 了大盘 文本 内容 ， 充分分析文本 内 容中所包含 的信息进行 内容过滤可 以行分类的方法很多 ， 有基于关键宇的方法 ， 于潜在语 义的算法 ， 基 有基于 自然语言处理的算法 ， 也有基于关键字 向量的贝叶斯
维普资讯
基于 挖 数据 掘的ＷＥ 内 过 统 型 容 滤系 模 Ｂ
■ 丽水市教委 梁勇勇
一
、
前 言
分 类算 法。
由于互联 网的开放性 以及信息的丰富性， 互联 网 在提供了大量有益信息 的同时 ， 也夹带了大量的不健
朴素的贝叶斯分类算法 的学习能力很强 ，分类 错误率低 ， 因此本模型 中对 Ｗｅ ｂ内容信息的识别使
４ Ｉ Ｆ 蓝 ２０． ４ 科 ０６ ４
需先对连接信息进行筛选。考虑不 同类型网页之 间 的链接的数量差异很大。在本模型 中对每个页面对 每个类别只选取一个链接 ，即该页面 中属于某个类
维普资讯
一
论文选登
别的相对权威的链接。
用时． 用户可以在关键字列表 中根据自己的经验 ， 初步
度反映了 Ｗｅ ｂ页面所属的类别 ，将这三种类别信息
别。
网站 中各个类别网页的使用统计信息 ，并 以此预测
用户对该 网站 下一个 浏览页面 的属于各类别 的概
率。Ｗｅ ｂ使用信息 以站点为单位 ， 分类记录在站点
习获得 。
Ｗｅ 整合起来就可 以较 为完整 的反映 Ｗｅ ｂ页 面所属 类 数据库中 ， ｂ使用信息是动态 的，由系统 自动学
３ 引入 Ｗ ｂ结构数据信 息。Ｗｅ ． ｅ ｂ是有结构 的 ，
个性化信息服务-文档资料
Page
10 of 46
9.2.1基于个性化服务的信息资源组织目标
个性化服务中的信息资源组织目标定位 服务功能定位 信息资源定位 目标体系 门户建设定位 技术体系定位 资源体系定位 协调机制定位
Page
11 of 46
9.2.2个性化服务的信息资源组织原则
用户需求中心原则
系统化组织原则 组织原则 开放性服务原则
用户认知驱动下的服务内容架构 用户认知包括对信息内容的理性认知和对信息形式 的感性认知两个方面。 按布鲁克斯的信息空间理论，信息向知识的转化是 在交流、认知、效用三个空间的相互作用之下完成的， 这就需要构建用户与信息服务系统交互的中介系统， 其中基于本体的语义网构建是一种行之有效的方式。
Page
13 of 46
9.2.3个性化信息资源组织的实现
个性化信息资源服务的组织存在以下环节，在面 向用户的个性服务中进行：
Page
14 of 46
9.2.3个性化信息资源组织的实现
在个性化服务的资源服务中，还要注意协调好几 方面关系： ①个人隐私保护与信息共享的关系； ②技术的通用性与用户个性化使用的关系； ③标准化信息资源组织与个性信息获取的关系。
在面向用户的信息保障中，存在着e-science、elearning中的个性信息嵌入问题。
Page
8 of 46
9.2
个性化服务中的信息资源组织
9.2.1 基于个性化服务的信息资源组织目标
9.2.2 个性化服务的信息资源组织原则 9.2.3 个性化信息资源组织的实现
Page
9 of 46
9.2.1基于个性化服务的信息资源组织目标
基于用户体验的信息构建
Page
19 of 46
基于Web2.0社会性软件的SECI模型探究
个 人 隐性知 识为 主 。 是学 习既 是 内部 的 ， 但 又是 社会协 商 的。 学 习就本 质 而言 是一 个社 会对话 过 程 。＿因此 ， ３ 社会 的隐性 知识
维普资讯
基 于Ｗ ｅ ２０ ｂ ．社会 性 软 件 的Ｓ Ｃ 模 型探 究 Ｅ Ｉ
姜珍 珍 ， 赵 娜
（ 东师 范 大 学 教 育 科 学 学 院 ， 海 ２ ０ ６ ） 华 上 ０ ０ ２
摘
要 ： 识 管 理 是 教 育 技 术 未 来 的 发 展 方 向 之 一 ，Ｅ Ｉ 型 是 知 识 管 理 领 域 重要 的 理 论 模 型 ， 深 刻 地 解 释 知 Ｓ Ｃ模 它
书签 等 。
个 重要 的 问题 。随着信 息技 术 和网络技 术 的发展 ， ｂ ．社会 ｗｅ ２０
性 软 件 正 在 时 间 和 空 间 上 改 变 着 我 们 学 习 的 方 式 ，它 为 知 识 的 转 化 方 式 提 供 了 一 种 思 路 。Ｗ ｅ２０ 念 可 能 非 常 适 合 野 中 ｂ ．概 郁 次 郎 的 Ｓ Ｃ 方 法 ， 全 球 规 模 的 更 个 人 化 、 态 社 会 化 学 习 Ｅ Ｉ 为 动 打开新 大 门。口
当 作 导 师 ． 为 他 们 要 么 是 这 些 社 会 性 软 件 应 用 的 内 行 ， 么 因 要
供 了一 种服 务 ， 内容是 学 习者 自己贡 献 的 ， 习者根 据 自己 其 学
的学 习方式 、 兴趣 爱好 进行 内容 的整理 、 布 和共享 。 发
（ ） 会 互 联 性 。Ｗｅ ２０ 会 性 软 件 通 过 留 言 板 、ａ 功 能 ２社 ｂ ．社 Ｔｇ
单项选择题——精选推荐
单项选择题1. 下列哪些是电子商务给社会带来的好处（B）。
A．客户定制化 B．远程办公C．电子社区 D．定制化的产品和服务2.电子商务是指借助计算机网络或其他电子媒介来进行商品、服务、或信息的传递以及支付过程是从哪个方面对电子商务进行定义的（A）A．通信 B．商业 C．业务过程 D．服务3.电子商务的应用是由基础设施以及（）个政策支持领域来支撑的（C）A．3 B．4 C．5 D．64.下面哪一项不是如今移动商务发展的因素之一？(A)A.卖主的犹豫B.设备可用性C.价格降低D.宽带改进4.下列哪一个例子不是G2G的应用（C）A.IntelinkB.Procurement at GSAC.AuctionrpD.Federal Case Registry5.政府体制的真实转型发生在执行过程的哪个阶段？(D)A.门户个性化B. 信息发布C. 官方双向交易D. 服务的归类6.下面哪一项不是电子福利发放（EBT）的确定优势之一？(A)A.合理安排税收B. 交易速度C. 降低成本D. 减少欺骗7.多个卖方，多个买方的拍卖又被称为（A）。
A. 双向拍卖；B. 动态拍卖；C. 动态定价；D. 正向拍卖；8.eBay源自一个具有50年历史的物品是：（ B ）。
A. 台灯；B. Pez糖果自动售货机；C. 闹钟；D. DVD；9.在英式拍卖中，拍卖结束时，物品卖给出价（A）。
A. 最高者；B. 第二高者；C. 第三高者；D. 最低者；10.维克利拍卖中中标者以所有出价中（ B ）价格买走拍卖物品。
A. 第一最高；B. 第二最高；C. 第三最高；D. 最低；11．CERT指的是（C）A．计算机安全协会B．联邦调查局C．卡内基梅隆的计算机紧急响应小组D．美国国家安全局12．诱惑人们提供信息或者进行看似无害的活动就是所谓的（D ）。
A．黑客攻击B．病毒攻击C．技术型攻击D．社会型攻击13．诱惑人们提供信息或者进行看似无害的活动就是所谓的（D ）。
电子商务基础复习知识点
电子商务基础复习知识点一、名词解释1. 计算机网络：就是利用通信设备和线路将地理位置不同、功能独立的多台计算机系统互联起来，以功能完善的网络软件(即网络通信协议、信息交换方式、网络操作系统等)实现网络中的资源共享和信息传递的系统.2. 数据库：就是以一定的组织方式存储在计算机中相关数据的集合3. 网络市场调查：是指利用互联网手段系统地进行营销信息的收集、整理、分析和研究。
4. 企业信息化：是指在企业的生产、经营、管理等各个层次、各个环节和各个方面，应用先进的计算机、通信、互联网和软件等信息化技术和产品，并充分整合、广泛利用企业内外的信息资源，提高企业生产、经营和管理水平，增强企业竞争力的过程。
5. POS ：是指以商业环境为中心的进货、销货、存货和内部调配货物的信息管理系统。
6. EOS：是指对商业环境与批发商和制造商之间商品订购运输和调配等的信息控制。
7. MIS：是对商业企业内部人财物进行全面管理的信息系统。
8. 电子商务系统：是借助于电子信息手段来辅助完成企业商务活动的复杂的有机系统。
9. 支付网关：是银行金融网络系统和Internet网络之间的接口，是由银行操作的将Internet上传输的数据转换为金融机构内部数据的一组服务器设备，或由指派的第三方处理商家支付信息和顾客的支付指令。
10. 电子支付：是指电子交易的当事人，包括消费者、商家和金融机构，以计算机和通信技术为手段，通过计算机网络以电子信息传递的形式实现货币的支付或资金结算。
11. 电子货币：是采用电子技术和通信手段在市场上流通，按照法定货币单位来反映商品价值的信用货币。
12. 网上银行：又称网络银行或虚拟银行，是采用Internet数字通信技术，以Internet 作为基础的交易平台和服务渠道，在线为公众提供办理结算、信贷服务的商业银行或金融机构。
13. 数字签名：也称作电子签名，就是只有信息的发送者才能产生的别人无法伪造的一段字符串，这段字符串同时也是对信息发送者的真实性的一个有效证明。
电子商务专业毕业论文热门选题
电子商务毕业论文热门选题1.跨境电商信用评价体系研究2.跨境电商人才培养体系研究3.跨境电商服务质量指标体系的构建研究4.网络效应作用下网络产品定价策略研究5.融入时间衰退因子的社交媒体用户影响力模型6.面向超级意见领袖的网络意见扭曲行为建模与仿真7.面向网络意见偏差的信息级联研究8.面向信息内容的网络意见扭曲行为建模与仿真9.社交网络文本内容与用户行为研究10.共享经济模式下消费者持续使用共享平台意愿的影响因素研究11.基于隐私顾虑的移动个性化推荐模型12.基于参与式感知和隐私关注的用户采纳移动参与式感知服务的激励机制研究13.基于区块链的政务跨界大数据安全共享与挖掘分析用户影响因素模型14.融入文本内容的社交网络用户关系强度研究15.融入社交行为习惯的关系强度度量模型研究16.在线用户关系与电商企业营销策略研究17.跨境电商消费者评论研究与分析18.基于消费者评论的电商服务质量因素研究19.基于社交媒体的企业或品牌影响力研究分析20.社会化网络用户关系与个性化推荐服务研究21.网络效应与生命周期对信息产品定价与盗版控制的影响研究22.游戏社交互动设计与评估模型研究23.电子产品“以旧换新”的定价策略研究24.社交媒体上网络重叠和内容共享：微信vs微博25.融入社交网络的电商创新模式研究26.移动电子商务环境下用户对界面的差异化偏好研究27.界面结构性布局对移动电子商务用户界面偏好的影响研究28.界面布局新颖性对移动电子商务用户界面偏好的影响研究29.界面文本内容对移动电商平台用户界面偏好的影响研究30.移动电子商务平台界面布局的量化模型研究31.影响移动电商用户对平台界面偏好的色彩因素分析32.乡村振兴战略下电商扶贫对策研究33.金融社交平台中用户影响力研究34.社交网络中用户画像分析35.区块链技术在农产品可信溯源中的应用研究36.县域农村电商精准扶贫服务模式研究37.跨境电子商务信用评价体系构建研究38.企业电子商务信用风险预警研究39.B2C卖家企业电子商务信用评价研究40.B2C电子商务企业信用评价体系研究41.大数据时代中小企业信用评价指标体系重构42.跨境电商运营选品策略在速卖通中平台中的应用研究43.电子商务平台近似品牌评价研究44.中国市场手机出货量趋势与国际市场的对比研究45.汽车销售影响因素研究和趋势预测46.品牌熟悉度对线上和线下营销协同作用的影响47.数字产品交易网站的设计与实现48.基于新零售的网上超市的设计与实现49.基于多源大数据的个性化广告推荐模型50.面向年轻群体的网络文学阅读习惯与偏好研究51.社会网络用户影响力研究52.基于职场社会网络用户行为与兴趣分析53.企业商业促销活动对消费者行为的影响54.大数据背景下电商精准扶贫模式研究55.基于社交网络的图书营销系统——微博应用56.电子商务推荐系统主题模型研究57.MCMC算法在电子商务推荐系统中的应用58.在线营销活动效果的影响因素分析59.移动电商平台的在线营销绩效评价方法60.跨境电商背景下用户行为研究-基于共生视角61.基于互联网的信用体系的机遇与风险62.基于淘宝网的商家信用评价模型研究63.大数据背景下跨境电商运营策略的研究64.网络租房的用户接受行为研究65.社交网络下线上口碑与线下口碑的作用研究66.线上与线下购物的认知水平与后悔决策比较研究67.移动社交媒体环境下用户品牌价值生成研究68.移动网络环境下社交圈生命周期研究69.基于大数据的物流专线服务模式研究70.Online-to-offline用户行为分析与信用模型研究71.社交网络环境下用户关系强度计算模型研究72.基于隐私关注的移动位置服务用户行为研究73.交互收敛式个性化广告推荐方法74.大型电商平台顾客体验构成要素及情感判断研究——以天猫为例75.大型电商平台顾客体验构成要素及情感判断研究——以京东商城为例76.面向大学生群体的移动新闻客户端使用和阅读习惯研究77.基于微博/微信企业品牌竞争性关系研究与分析78.基于社会网络的精准广告投放研究79.社会网络环境下基于表示学习的信息推荐研究80.基于社交网络的用户消费行为影响因素分析81.县域农村电商的金融风控研究82.商务谈判博弈的演化路径与策略均衡83.季节性商品预售策略研究84.网络谣言传播扩散机理及其实证研究85.基于Web的在线营销活动效果展示方法研究86.互联网思维与工匠精神协调发展研究87.一种新的电子商务创业模式研究——以XXXX为例88.O2O电子商务模式下的消费者行为分析89.基于互联网的专业市场转型路径研究90.基于看板工作流的电商平台后台系统研究91.“快照”对增加品牌宣传效果的作用92.线上线下消费者购物体验对冲动性购买的影响研究93.大型电商平台顾客体验构成要素及情感判断研究——以淘宝为例94.基于真实数据的大型招聘平台电子商务人才需求分析——以前程无忧为例95.基于真实数据的大型招聘平台电子商务人才需求分析——以智联招聘网为例96.基于真实数据的大型招聘平台电子商务人才需求分析——以中华英才网为例97.基于社会网络的舆情分析与监测研究98.基于社会网络的用户推荐系统研究99.微信朋友圈“点赞”行为动因分析100.社交网络用户关系强度影响因素分析101.面向异质客户的商品预售策略演化研究102.电商APP对在线营销效果及用户购买决策的影响103.在线营销活动的传播模式分析104.各地电子商务产业园区密集发展的反思105.人工智能对电子商务发展的影响研究106.基于社交电商的购买行为影响因素研究——以微商为例107.电子商务中平台可信度水平研究108.社交网络中信任传递模型研究109.电子商务环境下卖方可信度水平研究110.基于社交网络的朋友关系强度度量111.社交网络中节点的影响力分析 ------以微信为例112.跨境电商平台的消费者互动行为研究113.结合自己的实际工作情况及所熟悉的领域，自拟题目。
【计算机科学】_推荐算法_期刊发文热词逐年推荐_20140723
2014年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
2014年 科研热词 协同过滤 推荐算法 推荐系统 项相关图 项目质量 随机游走 防碰撞算法 链接预测 资源相似度 评分相似性 计算复杂度 行为相似性 耦合对象相似度 群推荐 细粒度 算法 社群发掘 社会网络 相似性计算 相似度 电子商务 用户评价 用户偏好 混合模型 标签 权重因子 基于内容的推荐系统 在线社交网络 可扩展性 协同过滤推荐 冷启动 关联规则 信息过载 交互相似度 tanimoto系数 skyline rfid q值 epc-c1g2 推荐指数 4 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 2 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13
科研热词 协同过滤 电子商务 推荐系统 评分信息 相似性权重 相似度算法 用户特征向量 用户偏好度 时间效应 共同数 4 2 2 1 1 1 1 1 1 1 1 1 1
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
2008年 序号 1 2 3 4
科研热词 贝尔实验室分层码 空时分组码 混和自动请求重传 多输入多输出
计算机网络方面的毕业论文题目有哪些
计算机网络方面的毕业论文题目有哪些论文题目应以最恰当、最简明的词语反映论文中最重要的特定内容的逻辑组合。
那么计算机网络方面的论文题目有哪些呢?下面小编给大家带来计算机网络方面的毕业论文题目，希望能帮助到大家!计算机网络毕业论文题目参考1、一种软件定义网络中基于博弈的混合路由算法2、基于终端属性的矿下机会网络分组转发协议3、基于量子蚁群算法的片上网络映射研究4、尺度变换复双树小波网络隐藏信道深度检测5、面向多类不均衡网络流量的特征选择方法6、基于社会组的高投递率机会网络路由协议7、基于事件触发机制的多智能体网络平均一致性研究8、带可移动存储设备的P2G网络病毒传播模型9、互联网空间下的城市网络格局及结构研究10、负载均衡的水声传感器网络多跳非均匀分簇路由协议11、一种基于分层云对等网络的多属性云资源区间查找算法12、NDN网络中内容源移动的路由更新优化方法13、基于网格覆盖的社交网络位置数据的保护方法14、信道随机性对传感器网络连续渗流密度的影响15、一种支持多维区间查询的云对等网络索引架构16、组合核函数相关向量机的网络安全态势预测17、面向级联失效的复杂网络动态增边策略18、无线传感器网络分布式同步协议19、无线传感器网络中基于网络覆盖的节点睡眠调度机制20、基于社交网络的信息传播模型分析21、移动社交网络中基于共同邻居网络中心度的链路预测方法22、社会网络中基于核函数的信息传播模型23、面向密码协议的半实物网络仿真方法24、新形势下计算机网络通信中存在的问题及改进策略25、计算机网络数据库的安全管理技术分析26、无线传感器网络中基于鲁棒优化的功率控制27、结合网络层次分析法的云推理威胁评估模型28、一种提高网络寿命与节点定位性能的WSNs分群算法29、链路质量感知的无线传感器网络生命最大化算法30、网络虚拟化环境下虚拟网络资源描述及发现模型31、能耗均衡的无线传感器网络无标度容错拓扑模型32、一种高效虚拟化多级网络安全互联机制33、复杂攻击网络的概率可控性34、改进的有向传感器网络多中心部署算法35、细粒度访问控制的电子健康网络双向认证方案36、网络编码P2P流媒体中的动态段粒度研究37、数据中心网络结构鲁棒性指标研究38、贵金属网络管理系统的防窃密信息安全加密技术39、计算机网络安全中虚拟网络技术的应用40、浅谈医院信息管理系统网络的日常维护必要性与策略41、计算机网络信息安全及防护策略研究42、网络信息推荐系统存在的问题及发展方向43、改进网络入侵信号监控系统的设计与应用44、网络安全异常报警系统的设计与实现45、计算机网络实验课程的探索与改革46、电子信息类专业《计算机网络》课程教学的改革与实践47、计算机网络故障防范与处理48、网络编排技术进展研究49、电力调度自动化网络安全防护系统研究50、高职计算机网络技术专业建设问题研究51、计算机网络可靠性提高方法研究52、计算机网络通信常见问题及管控措施探析53、试谈校园网络安全建设与管理方法54、大数据环境下的网络安全问题探讨55、计算机网络应用层存在的故障及排除对策56、计算机网络管理及相关安全技术分析57、探究神经网络的数据安全通信技术58、谈谈云计算下的网络安全技术实现路径59、影响计算机网络应用安全的因素分析60、大数据背景下网络安全分析最火专业网络工程论文题目1、基于协同过滤的个性化Web推荐2、Web导航中用户认知特征及行为研究3、Web服务器集群系统的自适应负载均衡调度策略研究4、动态Web技术研究5、语义Web服务的关键技术研究6、面向语义Web服务的发现机制研究7、Web服务组合研究与实现8、构建REST风格的Web应用程序9、企业架构下WebService技术的研究10、Web回归桌面的研究与应用11、Web服务选择的研究12、Web服务的授权访问控制机制研究13、基于WEB标准的网络课程设计与开发14、基于Web的教师个人知识管理系统的设计与开发15、基于Android平台的手机Web地图服务设计16、基于Web的信息管理系统架构的研究17、基于Web使用挖掘的网站优化策略研究18、基于Web的自适应测试系统的研究19、面向语义Web服务的发现机制研究20、面向语义Web服务的分布式服务发现研究21、企业局域网设计与应用22、无线局域网规划与设计23、校园网规划与设计24、中小企业网络规划与设计25、企业内局域网的规划设计方案26、网络校园网络工程综合布线方案27、ARP攻击与防护措施及解决方案28、路由器及其配置分析29、服务器的配置与为维护30、入侵检测技术研究31、复杂环境下网络嗅探技术的应用及防范措施32、网络病毒技术研究33、网络蠕虫传播模型的研究34、无尺度网络中邮件蠕虫的传播与控制35、网络路由协议研究36、可动态配置的移动网络协议设计研究37、Ipv4/Ipv6 双协议栈以太网接入认证和移动技术38、虚拟路由器的体系结构及实现39、一种基于分布式并行过滤得前置式邮件过滤模型40、XML应用于信息检索的研究41、JMX框架下 SNMP适配器的实现与应用42、MANET 路由协议性能分析43、Internet用户 Ipv6 协议试验网设计与实现44、基于光纤通道的网络文件管理系统设计与实现45、网络拓扑结构的测量协议与技术46、办公业务对象在关系数据库中的存储47、基于 Web的分布式 EMC数据库集成查询系统48、基于 Web的网络课程的设计49、基于工作流的业务系统开发50、B1级安全数据库设计的设计与实现计算机网络技术专业毕业论文题目1、基于移动互联网下服装品牌的推广及应用研究2、基于Spark平台的恶意流量监测分析系统3、基于MOOC翻转课堂教学模式的设计与应用研究4、一种数字货币系统P2P消息传输机制的设计与实现5、基于灰色神经网络模型的网络流量预测算法研究6、基于KNN算法的Android应用异常检测技术研究7、基于macvlan的Docker容器网络系统的设计与实现8、基于容器云平台的网络资源管理与配置系统设计与实现9、基于OpenStack的SDN仿真网络的研究10、一个基于云平台的智慧校园数据中心的设计与实现11、基于SDN的数据中心网络流量调度与负载均衡研究12、软件定义网络(SDN)网络管理关键技术研究13、基于SDN的数据中心网络动态负载均衡研究14、基于移动智能终端的医疗服务系统设计与实现15、基于SDN的网络流量控制模型设计与研究16、《计算机网络》课程移动学习网站的设计与开发17、数据挖掘技术在网络教学中的应用研究18、移动互联网即时通讯产品的用户体验要素研究19、基于SDN的负载均衡节能技术研究20、基于SDN和OpenFlow的流量分析系统的研究与设计21、基于SDN的网络资源虚拟化的研究与设计22、 SDN中面向北向的控制器关键技术的研究23、基于SDN的网络流量工程研究24、基于博弈论的云计算资源调度方法研究25、基于Hadoop的分布式网络爬虫系统的研究与实现26、一种基于SDN的IP骨干网流量调度方案的研究与实现27、基于软件定义网络的WLAN中DDoS攻击检测和防护28、基于SDN的集群控制器负载均衡的研究29、基于大数据的网络用户行为分析30、基于机器学习的P2P网络流分类研究31、移动互联网用户生成内容动机分析与质量评价研究32、基于大数据的网络恶意流量分析系统的设计与实现33、面向SDN的流量调度技术研究34、基于P2P的小额借贷融资平台的设计与实现35、基于移动互联网的智慧校园应用研究36、内容中心网络建模与内容放置问题研究37、分布式移动性管理架构下的资源优化机制研究38、基于模糊综合评价的P2P网络流量优化方法研究39、面向新型互联网架构的移动性管理关键技术研究40、虚拟网络映射策略与算法研究。
基于语义web的学习资源访问模型的设计
习路径搜索等功能 的各种其他服务集成起来 ，还支持合适服务替 代 者 （ｅ ｉ ａｄｄｔ ）的搜 索 ，并将他 们连 接起 来 （服 务发 现 ｓｒ ｃ ｃｎｉａ ｓ ｖｅ ｅ “ 和合成 ” 。Ｐ Ａ服务 不仅 支持 Ｈ Ｔ Ｅ ） Ｌ Ｔ ＰＧ Ｔ／ Ｐ Ｓ 绑 定 ，允许 用户 ＯＴ 通过 Ｗ ｂ浏览 器 与之 直 接 交 互 ，还 能 通 过 不 同 的 用 户界 面来 访 ｅ
Ｄ Ｍ 、Ｏ Ｌ以及 两者 的结合 。语义 ｗｅ 是 通过 Ｏ ｔ ｏ ｃｂ ｌ ｙ Ａ Ｌ Ｉ ｂ ｎ ｌｇ ｖ ａｕａ ｏｙ ｏ ｒ 描 述资 源 间 的 联 系 ，最 终 完 成 定 义 和 描述 某 个 领 域 知 识 的模 型 ， 使网上的信息可 以被计算机所 “ 理解 ”并 自动处理。 ③代 理 Ａ ｅ ｔ ｇ ｎ：代理 技术 由 自含 式软 件程 序构 成 ，利用 储存 在 知识 库 里 的信 息 执行 任 务 ，具 有 高度 智 能性 和 自主学 习性 ；智 能
问 ，支 持 以下几 种用 户界 面组件 （ ｓｒ ｎｅ ｃ ｏ ｏ ｐｎｎｓ：基 Ｕ ｅ Ｉｔ ａｔ ｎ ｍ ｏｅｔ） ｒ ｉ Ｃ 于 ｗ ｂ的 、基 于 Ｐ Ａ的 、桌 面客 户 端等 等 。通 过用 户 界 面组 件 ， ｅ Ｄ
为基础 ，整合 了各种使用 Ｘ ＭＬ语法和使用 Ｕ Ｉ Ｒ 命名规则的应用程 序 。语 义 Ｗ ｅ ｂ的主 要技 术 包 括 ：信息 的语 义 标 注 ，本 体和 代 理 。 ①信息的语义标注 ：Ｘ ＭＬ和 Ｒ Ｆ是用来实现语义标注的两个 Ｄ 主要技术。ＸＭＬ是一套定义语义标记的规则 ，这些标记将文档分 成 许 多部 件 并 对这 些 部 件加 以标识 。它也 是 元 标记 语 言 。即定 义 了用 于定 义 其 他 与特 定 领 域有 关 的 、语义 的 、结构 化 的标 记语 言 的句法语言。Ｒ Ｆ Ｄ 使用 Ｒ Ｆ三元组 （ Ｄ 主语、谓语 、宾语 ）来表示 和保 存 数 据 资 源 ，主 语 是 某 个 特 定 的资 源 ，谓 语 代 表 资 源 的属 性 ，宾 语 是 属 性的 值 。它 可定 义 资 源 中 的元数 据 以 及 与资 源 的关 系然 后 利 用一 组 为 任 务 开发 的 具 体语 法 在 ｗ ｗｗ 网上 相 互 交换 。
基于大数据的社交网络图谱构建与分析
基于大数据的社交网络图谱构建与分析社交网络在现代社会中扮演着重要的角色，人们通过社交网络平台进行信息交流、分享和交友。
随着互联网和大数据技术的快速发展，社交网络的规模和复杂性不断增长，社交网络图谱的构建与分析变得十分重要。
本文将探讨基于大数据的社交网络图谱构建与分析的方法和应用。
一、社交网络图谱的构建社交网络图谱是由节点和边组成的图结构，每个节点代表一个用户或实体，边表示节点之间的关系或互动。
构建社交网络图谱的过程可以分为以下几个步骤：1.数据采集：利用大数据技术，从社交网络平台上收集用户的个人资料、好友关系、用户生成内容等数据。
这些数据可以通过API接口或网络爬虫进行获取。
2.数据清洗：由于社交网络中存在大量的垃圾数据和重复数据，需要对所采集到的数据进行清洗和去重。
在清洗过程中，可以利用文本挖掘和机器学习的方法，识别和过滤掉无效的数据。
3.数据存储：将清洗后的数据存储到数据库中，以便后续的处理和分析。
常用的数据库包括关系型数据库和非关系型数据库，根据需求选择适合的数据库类型。
4.用户建模：根据数据的特点，对用户进行建模，识别用户的属性、兴趣和行为。
用户建模的目的是为了更好地理解用户，并在后续的分析中提供依据。
5.关系建模：建立用户之间的关系模型，分析用户之间的互动方式和关联程度。
常用的分析方法包括邻居关系分析、社群发现和推荐系统等。
6.图谱构建：根据用户建模和关系建模的结果，构建社交网络的图谱模型。
可以使用图数据库来存储和查询图谱数据，如Neo4j和图数据库。
二、社交网络图谱的分析社交网络图谱的分析是对图谱数据进行挖掘和分析，目的是了解用户的行为模式、社群结构和信息传播过程，为用户推荐、社会关系研究等提供支持。
以下是一些常见的社交网络图谱分析方法：1.社区发现：通过社区发现算法，将社交网络中相似或相关的用户划分为一组，形成独立的社区或群体。
社区发现可以揭示出社交网络中存在的隐含结构和社交圈子。
基于社会网络的语义Web服务发现模型
通过这样 的匹配 方式使得ｗｅ ｂ Ｈ ￣ 务 匹配 是在 基于本体概 念语义 关
都做 了信息资源的均匀分布 ， 这样可 以避免对集群组 中的管理节点 所使用 的网络本 身提供 了健壮性保证 。 除此以外 ， 社会化网络特性
的关键节点上 产生过大压力 。 在进行普通的ｗｅ ｂ Ｊ ］ ￣ 务 发布时 ， 在节点 可以提供整体网络的工作任务均衡机制 ， 对节点间的虚拟组织结构
［ １ ］ Ｂ ｉ ｎ Ｌ ｉ ， Ｌ ｉ ｎ ｇ ｊ ｕ ｎ Ｚ ｈ ａ ｏ ， ｄ ｕ ｎ ｗ ｕ Ｚ ｈ ｕ ． Ｃ ｈ ｉ ｎ ａ Ａ Ｐ ｏ ｌ ｉ ｃ ｙ — ｂ ａ ｓ ｅ ｄ Ａ ｄ ａ ｐ —
ｔ ｉ ｖ ｅ Ｗ ｅ ｂ Ｓ ｅ ｒ ｖ ｉ ｃ ｅ ｓ Ｓ ｅ ｃ ｕ ｒ ｉ ｔ ｙ Ｆ ｒ ａ ｍｅ ｗ ｏ ｒ ｋ 。 Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｙ ａ ｎ ｇ ｚ ｈ ｏ ｕ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ Ｙ ａ ｎ ｇ ｚ ｈ ｏ ｕ ． Ｊ ｕ ｌ ｙ ３ ０ ２ ０１ １一 Ａ ｕ ｇ ． １
系基础上完成 ， 这样就 获得 了更加快速准确的ｗｅ ｂ 服务匹配结果 。
ｗｅ ｂ ／ Ｊ ￣ 务发现 是指在服务 应用者 通过查找对应的语义服务并 同时模型 中ｗｅ ｂ 服务是按 照不 同的本体 语义发布到不 同语义服务
在服务注册 中心获取到服务的发布信息的过程 。 在进行服务发现 的 群 中的， 不仅使模 型中ｗｅ ｂ ￣ ｌ ｛ 务查 找更容易 ， 也提高了服务 的查询
社会计算用社会化方法计算社会
社会计算: 用社会化方法计算社会计算机系 孟小峰 信息系 余力摘要：社会计算是随着Web2.0和虚拟社会网络而出现的一种新型交叉领域。
本文在简要分析社会计算出现背景的基础上，重点提出了社会计算的概念框架，即“用社会化方法计算社会”，并分别对“为社会计算”和“用社会化方法计算”进行详细阐述。
最后提出社会计算实验平台框架，平台由对象层、数据层、模型层、分析层和应用层五部分组成，并简要了中国人民大学在各层的相关工作。
1.社会计算出现的背景随着互联网的迅猛发展，特别是随着Web2.0理念的深入，出现越来越多的虚拟社会网络，如微博（如Twitter、Sina微博）、社交网（如Facebook、人人网）、社会标注系统（如Delicious、Flickr）、论坛（BBS）、维基（Wiki）等，这些虚拟社会网络聚焦了大量用户。
据有关资料显示，全球最大社会网络Facebook注册用户已达5亿多，已成为继中国和印度之后的全球人口第三大（国家）社会[1]，如图1所示；通过Twitter，可以了解国际上发生的绝大部分事件。
虚拟社会网络已经成为一种新形态的数字社会[2]。
图1 Facebook成为全球第三大社会虚拟社会网络不但聚集了大量的用户，而且用户参与网络活动的深度和广度都得到空前的提高。
网络用户不再仅是信息的浏览和接受者，也是互联网信息资源的提供和传播者。
虚拟网络已成为继报纸、广播、电视之后的“第四媒体”，这种由大众创造的社会媒体（Social Media）详细记录了用户的思想和行为轨迹，这使得利用计算技术观察和研究社会成为可能。
2009年2月，美国哈佛大学大卫·拉泽(David Lazer)等15位美国学者在《Science》上联合发表了一篇具有里程碑意义的文章“Computational Social Science”，该文指出：“计算社会科学”这一研究领域正在兴起，人们将在前所未有的深度和广度上自动地收集和利用数据，为社会科学的研究服务。
社会网络中基于信任的LDA主题模型领域专家推荐
第３６卷㊀第４期２０１８年１０月㊀㊀㊀㊀广西师范大学学报(自然科学版)J o u r n a l o fG u a n g x iN o r m a lU n i v e r s i t y (N a t u r a l S c i e n c eE d i t i o n )㊀㊀㊀㊀㊀㊀V o l ．３６㊀N o ．４O c t ．２０１８D O I :１０．１６０８８/j ．i s s n ．１００１Ｇ６６００．２０１８．０４．００７h t t p ://x u e b a o ．gx n u ．e d u ．c n 收稿日期:２０１７Ｇ０６Ｇ２６基金项目:国家自然科学基金(５１１６５００４);广西科学研究与技术开发计划(桂科攻１５９８００７Ｇ１５)通信联系人:刘电霆(１９６６ ),男,江西吉安人,桂林理工大学教授,博士.E Ｇm a i l :d l i n a c ＠１６３．c o m社会网络中基于信任的L D A 主题模型领域专家推荐刘电霆１∗,吴丽娜２(１．桂林理工大学机械与控制工程学院,广西桂林５４１００４;２．桂林理工大学信息科学与工程学院,广西桂林５４１００４)摘㊀要:随着W e b２．０技术的发展,社会网络为人们进行交流和协作提供了新的便捷平台.面对网络信息过载问题,在海量的信息中找到自己感兴趣并信任的领域专家,参考专家意见做抉择,变得十分困难.本文提出一种基于信任的L D A(l a t e n tD i r i c h l e t a l l o c a t i o n )主题模型社会网络中领域专家推荐方法,实现了基于用户信任的领域专家个性化推荐.该方法以L D A 主题模型为基础,综合考虑社会网络结构㊁用户间的信任关系及社会影响力,弥补了传统专家推荐方法只考虑专家特征,导致专家推荐精度不高及推荐结果模式化的不足.最后通过实验验证了该方法的可行性和有效性.关键词:社会网络;信息过载;主题模型;个性化推荐;用户信任中图分类号:T P ３９３．４㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:１００１Ｇ６６００(２０１８)０４Ｇ００５１Ｇ０８引用格式:刘电霆,吴丽娜．社会网络中基于信任的L D A 主题模型领域专家推荐[J ]．广西师范大学学报(自然科学版),２０１８,３６(４):５１Ｇ５８．L I U D i a n t i n g ,WU L i n a ．D o m a i ne x pe r t sr e c o mm e n d a t i o ni ns o c i a ln e t w o r kb a s e do nt h eL D At h e m e m o d e lof t r u s t [J ]．J o u r n a l o fG u a ng x iN o r m a lU n i v e r s i t y (N a t u r a l S c i e n c eE d i t i o n ),２０１８,３６(４):５１Ｇ５８．D o m a i nE x p e r t sR e c o mm e n d a t i o n i nS o c i a lN e t w o r kB a s e d o n th eL D A T h e m eM o d e l o fT r u s tL I UD i a n t i n g １∗,W UL i n a ２(１．C o l l e g e o fM e c h a n i c a l a n dC o n t r o l E n g i n e e r i n g ,G u i l i nU n i v e r s i t y o fT e c h n o l o g y ,G u i l i nG u a n g x i ５４１００４,C h i n a ;２．C o l l e g e o f I n f o r m a t i o nS c i e n c e a n dE n g i n e e r i n g ,G u i l i nU n i v e r s i t y o fT e c h n o l o g y ,G u i l i nG u a n g x i ５４１００４,C h i n a )A b s t r a c t :W i t ht h ed e v e l o p m e n to f W e b２．０t e c h n o l o g y ,t h es o c i a ln e t w o r kh a s p r o v i d e dan e w a n d c o n v e n i e n t p l a t f o r m t oc o mm u n i c a t ea n dc o l l a b o r a t ef o r p e o p l e ．F a c e d w i t ht h e p r o b l e m o fn e t w o r k i n f o r m a t i o no v e r l o a d e d ,i t i sv e r y d i f f i c u l t t of i n dt h ee x p e r t sw h oa r e i n t e r e s t e d i nt h et o p i ca n da r e r e l i a b l e t om a k e d e c i s i o n s b a s e do ne x p e r t s o p i n i o n s ．I n t h i s p a p e r ,d o m a i n e x p e r t s r e c o mm e n d a t i o n i n s o c i a ln e t w o r k b a s e d o n t h e L D A t h e m e m o d e l o ft r u s t m e t h o d i s p r o p o s e d ．T h e p e r s o n a l i z e d r e c o mm e n d a t i o no f d o m a i ne x p e r t s f o r t h eu s e r t r u s t i s i m p l e m e n t e d ．T h em e t h o d i sb a s e do n t h e t o p i c m o d e l (L D A ),t h e s o c i a l n e t w o r ks t r u c t u r e ,t h e u s e r s t r u s t r e l a t i o n s h i p a n d s o c i a l i n f l u e n c e ．I tm a k e s u p t h e d e f i c i e n c y o ft h et r a d i t i o n a le x p e r t sr e c o mm e n d a t i o n m e t h o d st h a t o n l y i n v o l v e e x p e r t s c h a r a c t e r i s t i c s w h i c h l e a d t o l o w r e c o mm e n d a t i o n a c c u r a c y a n d t h e p r o b l e m o f t h e p a t t e r n o f r e c o mm e n d e d r e s u l t s ．F i n a l l y ,t h e f e a s i b i l i t y a n d e f f e c t i v e n e s s o f t h e m e t h o d a r e v e r i f i e d b y e x p e r i m e n t s ．K e y w o r d s :s o c i a ln e t w o r k ;i n f o r m a t i o n o v e r l o a d ;t h e m e m o d e l ;p e r s o n a l i z e dr e c o mm e n d a t i o n ;u s e r t r u s t２５广西师范大学学报(自然科学版),２０１８,３６(４)以博客㊁论坛㊁微博㊁问答社区等为代表的社会网络(S N)在人们的生活中扮演着越来越重要的角色.作为人们交流和获取信息的一个重要平台,S N中用户影响力分析近年来成为研究热点[１Ｇ２].而在海量的信息中如何快速准确地找到S N中领域专家是一个十分具有挑战性的问题[３].本文的主要工作是:给定S N中用户的一个查询主题,如:机电产品创新设计,找到合适的能与该用户协作的领域专家[４].目前,解决S N信息过载问题的主要手段是个性化推荐技术,主要有基于内容的推荐[５Ｇ６]和协同过滤的推荐[７Ｇ９].由于专家推荐中存在大量和专家相关的文本信息,而缺少协同过滤方法需要的与其相关的评分信息,故目前专家推荐中一般都使用基于内容的推荐.传统的专家推荐研究通常是基于学术圈子㊁企业专家库信息,其研究对象本身就是某一领域的专家[１０].S N中的信息具有多主题性,S N中的专家也不同于传统意义上的专家,他未必是该领域中最博学多才的人,他可以被多数人信任而成为 专家 [１１].目前S N中基于内容的专家推荐,主要是考虑专家知识特征[１２]和专家网络特征[１３]的方法,都没有充分考虑网络用户间的社会关系,特别是信任关系.现实生活中,人们总是倾向于接受他们所信任的朋友的推荐,朋友间的影响力是人们做抉择时的重要依据[１４].目前最常用的社会影响力分析方法是P a g eR a n k (链接分析)[１５],通过分析网络重要节点的社会影响力进行某一主题的专家识别,但该方法无法在具有多主题性的S N中进行专家推荐,故该方法的推荐效果并不理想.信任关系常被用于基于用户评分信息的协同过滤推荐中,但基于文本内容且融合用户信任关系的专家推荐几乎没有.因而,本文提出基于信任的主题模型社会网络中领域专家推荐方法,构建潜在狄里克雷分布(l a t e n tD i r i c h l e t a l l o c a t i o n,L D A)主题模型,充分挖掘文本背后真正的语义[１６];并综合考虑到现实中人们更愿意接受他们所信任的人的推荐[１７],将用户间的信任关系加入专家推荐中,返回与用户查询主题相关性高且被该用户所信任的用户作为专家推荐,实现社会网络中基于信任的L D A主题模型个性化领域专家推荐.１㊀相关知识１．１㊀S N构成现实生活中人与人之间通常存在着各种各样的社会关系(如:亲戚㊁师生㊁同事㊁邻居㊁朋友等),通过这些社会关系人们彼此被连接在一起形成庞大的S N[１８].在一个网状结构下,不同节点之间存在着联系.图１给出一个S N结构示意图,其中A~G代表用户节点,节点之间的连线代表节点间的联系,连线上的.数字如r１㊁r２㊁r３表示节点间联系的紧密程度Array图１㊀S N结构图F i g．１㊀S o c i a l n e t w o r ks t r u c t u r e d i a g r a m１．２㊀主题相关度判断不同文本/文档内容之间相关性的通常方法是:一般采用T FＧI D F㊁语言模型㊁概率模型等,查找２个文本出现相同词的个数.这些方法都没有充分考虑文字背后真正的语义关联,２个文本中有很少或者根本没有共同词,但２个文本却有可能存在着语义相关[１９].如: 乔布斯离我们而去了. 和 苹果的价格会不会下降? .从文字层面看,这两句话并没有公共词,如果按照传统的主题相关性方法判断,这２个文本并不相关.事实上,这２个句子存在着一定的语义相关性.因此,在判断文本相关性时充分考虑文本内容的语义信息是十分有必要的.主题模型是语义挖掘的利器,L D A主题模型就是其中一种有效的模型,３５h t t p://x u e b a o．g x n u．e d u．c n在微博主题挖掘中具有很大的潜力[２０Ｇ２１].文本(文档)主题相关的程度称为主题相关度.１．３㊀用户信任度推荐信息常来源于用户所信任的朋友或者朋友的朋友,用户间的信任程度称为用户信任度.传统的推荐问题中用户信任度只有０(不信任)或１(信任),事实上,现实生活中用户间的信任关系并非只有信任或不信任,信任度的取值范围应在[０,１].用户间的信任关系具有如下性质:①主观性 信任是用户间的一种主观判断,不同的用户有不同的判断标准;②非对称性[２２] 用户A对用户B的信任度可能与B 对A的信任度不相同;③传递性[２３] 用户A信任B,B信任C,那么,A一定程度上也信任C.然而,信任并不是无限制传递的,信任的传递性有一定的约束条件.你和任何一个陌生人之间所间隔的人不会超过６个,也就是说,最多通过６个人就能够认识任何一个陌生人.这就是六度分割理论,也叫小世界理论,一般来说,S N只考虑六层.２㊀社会网络中基于信任的L D A主题模型领域专家推荐方法２．１㊀L D A主题模型的构建近年来,以L D A为代表的主题模型得到了广泛研究,L D A主题模型通过使用概率生成模型对文字隐含的主题进行建模,被广泛应用于文本聚类(分类)㊁话题发现㊁情景分析㊁领域相关度及参与度识别等领域[２４].L D A主题模型中,主题表示一个概念㊁一个方面,以一系列相关的单词为表现形式,L D A主题模型是这些单词的条件概率.一篇文章的每个词均是满足D i r i c h l e t分布,以一定概率选择某个主题,并从这个主题中满足D i r i c h l e t分布,以一定概率选择某个词语[２５].L D A图模型结构(类似贝叶斯网络结构)如图２.所示Array图２㊀L D A图模型结构F i g．２㊀L D A g r a p hm o d e l s t r u c t u r e图２中:K为主题数;N表示单词总数;M表示文档的数目;α和β是D i r i c h l e t先验参数,D i r i c h l e t先验为某篇文档随机抽取出某个主题分布和词分布.L D A主题模型 文档 词语 生成过程:S t e p１㊀从D i r i c h l e t分布α中取样生成文档m的主题分布θm;S t e p２㊀从θm中取样生成文档m第n个词的主题Z m,n;S t e p３㊀从D i r i c h l e t分布β中取样生成主题对应的词分布φk;S t e p４㊀从词语分布φk中通过G i b b s采样最终生成主题对应的词语w m,n.给定一个文档集合,词语w是可以观察到的已知变量,主题分布θ㊁主题z和词分布φ是未知隐含变量,α和β是根据经验给定的先验参数,需要通过已知量利用G i b b s采样的方法进行参数估计.L D A主题模型的主要推导过程如下:S t e p１㊀根据L D A的图模型计算L D A模型联合概率分布:广西师范大学学报(自然科学版),２０１８,３６(４)P (w ,z |α,β)＝P (w |z ,β)P (z |α).(１)α产生主题分布θ,主题分布θ确定具体主题,且β产生词分布φ,词分布φ确定具体词.S t e p ２㊀计算D i r i c h l e t 分布.给定参数α＞０,β＞０,α＝(α１, ,αK ),ðKi ＝１x i ＝１取值范围为[０,１]的随机变量x １,x ２, ,x n 的概率密度函数:f (x １,x ２, ,x K －１;α１,α２, ,αK )＝１B (α)ᵑk i ＝１x αi －１i ,(２)B (a )＝ᵑk i ＝１Γ(αi )Γ(ðk i ＝１αi ),(３)Γ(z )＝ʏɕ０t z －１e －t d t .(４)S t e p ３㊀根据贝叶斯公式和D i r i c h l e t 先验分布,计算D i r i c h l e t 后验分布期望:P (A |B )＝P (B |A )P (A )P (B ),(５)θm ,k ＝n (t )k ＋αk ðK t ＝１n (k )m ＋αk ,(６)φk ,t ＝n (t )k ＋βt ðV k ＝１n (t )k ＋βt.(７)其中:θm ,k 表示文档m 中主题k 的概率;φk ,t 表示主题k 中词t 的概率;n (t )k 是词t 在主题k 中出现的次数;n (k )m 是主题k 在文章m 中出现的次数.S t e p ４㊀G i b b s 采样是用来获取一系列近似等于指定多维概率分布观察样本的算法.根据G i b b s 采样得到的概率分布为:p (z i ＝k |Z i ,w )ɖn (k )m , i ＋αk ðK k ＝１(n (k )m , i ＋αk ) n (t )k , i ＋βt ðV t ＝１(n (t )k , i ＋βt ),(８)其中 i 表示文档中去除i 的词.式(８)右边刚好是P (主题|文档)和P (词语|主题).G i b b s 采样通过求解出主题分布和词分布的后验分布,从而成功解决主题分布和词分布参数未知问题.L D A 主题模型联合概率P (w ,z |α,β)越大,表明给定的主题与文档划分后主题的相关度越高.２．２㊀用户信任度的计算实际应用中,S N 原始数据一般比较稀疏,用户间直接的信任关系往往很少,因此可以利用信任的传递性,推理出用户与其间接信任用户间的信任度,来为用户找到更多的推荐者[２６].社会网络中用户间文档收藏㊁转发㊁评论以及点赞㊁关注关系,很大程度上表明了用户间的信任关系,可通过信任关系构建信任网络[２７].在本文中,根据推荐者与用户之间的网络结构距离来计算用户对推荐者的信任度.首先从目标用户出发,构建信任网络,然后在整个信任关系中利用广度优先算法来寻找合适的推荐者.目标用户是搜索树的根节点,目标用户直接信任的用户是搜索树的第一层节点,以此类推.每个节点是搜索树的叶节点,搜索终止的条件有２种:①当前用户也关注过目标用户;②当前用户与目标用户的距离到达了最大搜索距离.用户信任度T (u ,v )计算公式如式(９)所示:T (u ,v )＝H m a x －h u ,v ＋１H m a x ,１ɤh u ,v ɤ６,(９)其中H m a x 表示信任能够传递的最大距离,h u ,v 表示用户u 到邻居v 最短距离.４５h t t p ://x u e b a o ．g x n u ．e d u ．c n 式(９)是衰减函数,目标用户对推荐者的信任度与推荐者到目标用户之间的最短距离成反比,表示信任度随着传递逐级衰减,使得离用户较远的推荐者有较小的信任度.２．３㊀基于信任的L D A 主题模型社会网络中领域专家推荐基于主题模型的领域专家推荐方法,考虑了文本话题主题的相关性[２８],但忽略了S N 中专家的社会影响力及用户间的社会关系[２９],特别是信任关系,故推荐效果并不理想.鉴于现实生活中,人们更愿意接受他们所直接信任的朋友以及经过信任传递的间接信任朋友的推荐,本文采用L D A 主题模型挖掘文本(话题)内容潜在的主题相关性,并综合用户信任关系进行专家排序的方法进行领域专家推荐.该方法返回与用户查询主题相关的专家作为初步的专家匹配集,进一步根据用户信任网络,使用加权平均的方法,对专家匹配集进行排序,返回与用户查询主题相关度高又被用户信任的专家作为最终的专家推荐列表.在选取候选专家时,既考虑用户之间的信任度,又考虑文本主题的相关度,从而专家推荐效果更好㊁更合理也更易被用户接受.用户u 对用户v 的专家程度为专家度,加权平均后用户专家度为E (u ,v ):E (u ,v )＝λT (u ,v )＋(１－λ)P (w ,z |α,β),(１０)其中０ɤλɤ１.本文的专家推荐系统框架如图３所示.图３㊀专家推荐系统框图F i g ．３㊀E x p e r t r e c o mm e n d a t i o n s y s t e mb l o c kd i a g r a m ３㊀实验与分析为了进行仿真实验,本文通过P y t h o n 语言爬取新浪微博 找人 板块所有涉及到 机电产品 领域的８２７人,并通过P y t h o n 测试算法性能.抓取的信息维度有:微博i d ㊁用户名㊁用户标签㊁微博正文㊁用户被关注和点赞数㊁用户粉丝数㊁用户微博数㊁微博评论数,返回前５和前１０名的专家用户.经L D A 模型划分的主题为: 机电产品 ㊁ 机电技术 ㊁ 机电设计 ㊁ 机电设备 ㊁ 机电创新.３．１㊀评价标准传统的P r e c i s i o n ＧR e c a l l (准确率 召回率)没有考虑到专家排名的顺序与位置因素.通常人们只点击排在前１０的专家,排在列表后面的专家被用户查看的概率较小.因此P r e c i s i o n ＧR e c a l l 方法并不适用于专家推荐问题的评估,本文采用如下２种不同评测标准来衡量推荐性能的不同方面.①P ＠n 指对特定的查询,考虑推荐列表中结果的顺序与位置因素,检测前n 条结果的准确率.P ＠n 的计算公式如式(１１)所示:P ＠n ＝ðn i ＝１r e l (i )n ,(１１)５５广西师范大学学报(自然科学版),２０１８,３６(４)其中:n是用户返回的结果个数;r e l(i)表示在第i位的相关分数,是一个二元函数,若结果与查询和真实结果相关,值为１.②D C G＠n为归一化折损累计增益.D C G＠n越是相关的对象越应该排在搜索结果列表的前面.D C G＠n的计算公式如式(１２)所示:D C G＠n＝r e l(１)＋ðp i＝２r e l(i)l o g i.(１２)式(１２)经归一化处理得到式(１３):N D C G＠n＝D C G＠nI D C G＠n,(１３)其中N D C G＠nɪ[０,１],I D C G(I d e a lD C G)是搜索结果按相关性分数排序理想情况的得分.３．２㊀实验结果与分析本文选取P＠５㊁N D C G＠５与P＠１０㊁N D C G＠１０作为评价标准,采用M i c r o s o f tW i n d o w s７操作系统,A n a c o n d a２软件,通过P y t h o n编程,在本文的数据集下进行所有实验.３．２．１㊀λ的设定从图４可以看出,λ取不同值时,P＠n和N D C G＠n也随之变化.当λ＝０．４时,P＠５和N D C G＠５均达到最大,即此时推荐前５条结果的准确率和相关性最大,推荐效果最好,同只有基于L D A主题模型的推荐(λ＝０)相比,P＠５提高了０．１３,N D C G＠n提高了０．１.从图５可以看出,随着专家推荐数的增多(n＝１０),当λ＝０．４时,P＠１０和N D C G＠１０最大,即此时推荐的前１０条结果的准确率和相关性最大,推荐效果最好.同只有基于L D A主题模型(λ＝０)推荐相比,P＠１０提高了０．０９,N D C G＠１０提高了０．０７.图４㊀λ取不同值时P＠５和N D C G＠５的变化情况F i g．４㊀C h a n g e s o f P＠５a n dN D C G＠５w i t hd i f f e r e n tλ㊀㊀㊀㊀图５㊀λ取不同值时P＠１０和N D C G＠１０的变化情况F i g．５㊀C h a n g e s o f P＠１０a n dN D C G＠１０w i t hd i f f e r e n tλ图４和图５对比可知,P＠１０＜P＠５且N D C G＠１０＜N D C G＠５,即随着n的变大,推荐性能有所下降.其原因是随着推荐条数增多,排在专家推荐列表后面的专家其他文本主题与用户查询的主题相关度及用户间的信任度均在逐步降低.综上,领域专家推荐不仅与文本主题相关,还与用户间的信任有密切关系,且文本主题相关度起重要作用.当λ＝０．４时,基于信任的L D A主题模型领域专家推荐方法与只基于L D A主题模型(λ＝０)领域专家推荐方法相比具有更好的推荐效果.３．２．２㊀本文算法同L D A㊁P a g e R a n k算法的比较下面将本文算法同L D A㊁P a g e R a n k算法在评价标准P＠n和N D C G＠n上对比.由图６和图７可知,本文算法的P＠n和N D C G＠n总体比常用的专家推荐算法L D A㊁P a g e R a n k的值大,说明本文算法的准确率和相关性与L D A和P a g e R a n k算法相比有一定的优势.L D A算法考虑到了社会网络中基于内容推荐的多主题性,但忽略了专家的社会影响力㊁用户间的社会关系,导致专家推荐精度难以提高; P a g e R a n k算法考虑到了专家的社会影响力,而忽略了社会网络中文本内容的多主题性,导致推荐专家与６５h t t p://x u e b a o．g x n u．e d u．c n主题的相关度不高.本文算法在L D A算法中增加了用户间的信任关系,利用文本主题相关度与用户信任度按照适当的比例加权平均的方法,综合考虑到了社会网络文本的多主题性和用户间的信任关系以及专家社会影响力,使得推荐结果更合理且更容易被用户接受.图６㊀n取不同值时P的变化情况F i g．６㊀C h a n g e s o f P w i t hd i f f e r e n t n㊀㊀㊀㊀图７㊀n取不同值N D C G的变化情况F i g．７㊀C h a n g e s o fN D CG w i t hd i f f e r e n t n４㊀结语推荐系统是目前社会网络研究的热点,排序的准确性和有效性一直是专家推荐系统关注的主要问题.本文介绍了L D A主题模型㊁用户信任的概念,认为在基于内容的推荐过程中,应该考虑用户社会影响力及用户间的信任关系因素,提出了社会网络中一种基于信任的L D A主题模型领域专家推荐方法.①本文采用L D A主题模型,有效地挖掘出S N中文档(话题)文字背后隐含的真正的语义信息,更好地进行多主题下语义相关性匹配;②在L D A主题模型的专家推荐的基础上,基于S N特有的结构引入用户间的信任关系,调和权重,形成综合推荐方法,来改进专家排序问题,将与用户查询主题相关度高且被用户所信任的用户排在专家推荐列表的前面;③弥补了传统专家推荐算法只注重专家知识特征或者专家网络特征,忽略用户间的社会关系及社会影响力,导致推荐结果不理想的问题;④实验表明,将用户社会影响力因素引入到基于内容的专家推荐中是可行的,推荐结果精度也得到了较大的提高.改进用户信任度的计算方式㊁获取更多的数据进行实验验证,作者将在今后的工作中对这些内容作进一步研究和探讨.参㊀考㊀文㊀献:[１]㊀李江,李东,冯培桦,等．基于专长吻合度㊁学术影响力与社会关联值的专家推荐模型研究[J]．情报学报,２０１７,３６(４):３３８Ｇ３４５．D O I:１０．３７７２/j．i s s n．１０００Ｇ０１３５．２０１７．０４．００２．[２]㊀瞿辉,王菲菲．基于知识关联网络的作者学术影响力评价研究[J]．情报杂志,２０１６,３５(７):１９０Ｇ１９５．D０I:１０．３９６９/j．i s s n．１００２Ｇ１９６５．２０１６．０７．０３２．[３]㊀X I EX i a o q i n,L IY i j i a,Z HA N GZ h i q i a n g,e t a l．At o p i cＧs p e c i f i c c o n t e x t u a l e x p e r t f i n d i n g m e t h o d i n s o c i a l n e t w o r k[C]// L IF e i f e i,S H I M K,Z HA N G K a i,e ta l．W e b T e c h n o l o g i e sa n d A p p l i c a t i o n s:L e c t u r eN o t e s i nC o m p u t e rS c i e n c ev o l ９９３１．C h a m,S w i t z e r l a n d:S p r i n g e r I n t e r n a t i o n a l P u b l i s h i n g A G,２０１６:２９２Ｇ３０３．D O I:１０．１００７/９７８Ｇ３Ｇ３１９Ｇ４５８１４Ｇ４_２４．[４]㊀L I NS h u y i,HO N G W e n x i n g,WA N G D i n g d i n g,e t a l．As u r v e y o ne x p e r t f i n d i n g t e c h n i q u e s[J]．J o u r n a l o f I n t e l l i g e n tI n f o r m a t i o nS y s t e m s,２０１７,４９(２):２５５Ｇ２７９．D O I:１０．１００７/s１０８４４Ｇ０１６Ｇ０４４０Ｇ５．[５]㊀龚凯乐,成颖．基于 问题－用户 的网络问答社区专家发现方法研究[J]．图书情报工作,２０１６,６０(２４):１１５Ｇ１２１．D O I:１０．１３２６６/j．i s s n．０２５２Ｇ３１１６．２０１６．２４．０１６．[６]㊀Y E N I T E R Z IR,C A L L A NJ．C o n s t r u c t i n g e f f e c t i v e a n de f f i c i e n t t o p i cＧs p e c i f i c a u t h o r i t y n e t w o r k s f o r e x p e r t f i n d i n g i n s o c i a lm e d i a[C]//P r o c e e d i n g so f t h e f i r s t i n t e r n a t i o n a lw o r k s h o p o nS o c i a lm e d i ar e t r i e v a l a n da n a l y s i s．N e w Y o r k:７５８５广西师范大学学报(自然科学版),２０１８,３６(４)A C M P r e s s,２０１４:４５Ｇ５０．D O I:１０．１１４５/２６３２１８８．２６３２２０８．[７]㊀杨文显．项目评审专家协同推荐方法的研究及应用[D]．杭州:杭州电子科技大学,２０１６．[８]㊀王书海．协同过滤推荐算法研究及M a p R e d u c e实现[D]．成都:四川师范大学,２０１６．[９]㊀S H R O T T,R O S E N F E L D A,G O L B E C KJ,e t a l．C r i s p:a n i n t e r r u p t i o nm a n a g e m e n t a l g o r i t h mb a s e do n c o l l a b o r a t i v ef i l t e r i n g[C]//P r o c e e d i ng so f th eS I G C H IC o n f e r e n c eo n H u m a nF a c t o r si nC o m p u t i n g S y s t e m s．N e w Y o r k:A C MP r e s s,２０１４:３０３５Ｇ３０４４．D O I:１０．１１４５/２５５６２８８．２５５７１０９．[１０]㊀翟伯荫．社交网络中领域专家的识别研究[D]．上海:华东师范大学,２０１５．[１１]㊀杜静．社会网络中基于信任的推荐方法设计与实现[D]．哈尔滨:黑龙江大学,２０１５．[１２]㊀D I N G J u n m e i,C H E N Y a n,L I X i n,e t a l．U n s u p e r v i s e d e x p e r t f i n d i n g i n s o c i a l n e t w o r k f o r p e r s o n a l i z e d r e c o mm e n d a t i o n[C]//C U IB i n,Z HA N G N a n,X UJ i a n l i a n g,e t a l．W e bＧA g e I n f o r m a t i o n M a n a g e m e n t:L e c t u r eN o t e si nC o m p u t e r S c i e n c e v o l９６５８．C h a m,S w i t z e r l a n d:S p r i n g e r I n t e r n a t i o n a l P u b l i s h i n g A G,２０１６:２５７Ｇ２７１．D O I:１０．１００７/９７８Ｇ３Ｇ３１９Ｇ３９９３７Ｇ９_２０．[１３]㊀V E R G N E M,S U S I A．E x p e r tf i n d i n g u s i n g M a r k o v n e t w o r k si n o p e n s o u r c e c o mm u n i t i e s[C]//J A R K E M, MY L O P O U L O S J,Q U I XC,e t a l．A d v a n c e d I n f o r m a t i o nS y s t e m sE n g i n e e r i n g:L e c t u r eN o t e s i nC o m p u t e r S c i e n c e v o l ８４８４．C h a m,S w i t z e r l a n d:S p r i n g e r I n t e r n a t i o n a l P u b l i s h i n g A G,２０１４:１９６Ｇ２１０．D O I:１０．１００７/９７８Ｇ３Ｇ３１９Ｇ０７８８１Ｇ６_１４．[１４]㊀朱丽中,徐秀娟,刘宇．基于项目和信任的协同过滤推荐算法[J]．计算机工程,２０１３,３９(１):５８Ｇ６２,６６．D O I:１０．３９６９/j．i s s n．１０００Ｇ３４２８．２０１３．０１．０１２．[１５]㊀汪俊,岳峰,王刚,等．科研社交网络中基于链接预测的专家推荐研究[J]．情报杂志,２０１５,３４(６):１５１Ｇ１５７．D O I:１０．３９６９/j．i s s n．１００２Ｇ１９６５．２０１５．０６．０２７．[１６]㊀L I UJ i a n,J I AB e i,X U H a o,e t a l．At o p i c r a n kb a s e dd o c u m e n t p r i o r sm o d e l f o r e x p e r t f i n d i n g[C]//F E IM i n r u i,MA S h i w e i,L IX i n,e t a l．A d v a n c e dC o m p u t a t i o n a lM e t h o d s i nL i f eS y s t e m M o d e l i n g a n dS i m u l a t i o n:C o mm u n i c a t i o n s i nC o m p u t e r a n d I n f o r m a t i o nS c i e n c e v o l７６１．S i n g a p o r e:S p r i n g e r,２０１７:３３４Ｇ３４１．D O I:１０．１００７/９７８Ｇ９８１Ｇ１０Ｇ６３７０Ｇ１_３３．[１７]㊀姜文君．在线社会网络中个性化信任评价基础与应用研究[D]．长沙:中南大学,２０１４．[１８]㊀D O N G Y u x i n,Z HA O C h u n h u i,C H E N G W e i j i e,e ta l．A p e r s o n a l i z e dr e c o mm e n d a t i o na l g o r i t h m w i t hu s e r t r u s t i n s o c i a l n e t w o r k[C]//C H E W a n x i a n g,HA N Q i l o n g,WA N G H o n g z h i,e t a l．S o c i a lC o m p u t i n g:P r o c e e d i n g so fS e c o n dI n t e r n a t i o n a l C o n f e r e n c eo fY o u n g C o m p u t e rS c i e n t i s t s,E n g i n e e r sa n dE d u c a t o r s．S i n g a p o r e:S p r i n g e r,２０１６:６３Ｇ７６．D O I:１０．１００７/９７８Ｇ９８１Ｇ１０Ｇ２０５３Ｇ７_７．[１９]㊀L IY a n y a n,MA S h a o q i a n,HU A N G R o n g h u a i．S o c i a lc o n t e x ta n a l y s i sf o rt o p i cＧs p e c i f i ce x p e r tf i n d i n g i n o n l i n e l e a r n i n g c o mm u n i t i e s[M]//C HA N G M a i g a,L IY a n y a n．S m a r tL e a r n i n g E n v i r o n m e n t s:L e c t u r eN o t e s i nE d u c a t i o n a l T e c h n o l o g y．B e r l i n:S p r i n g e r,２０１５:５７Ｇ７４．D O I:１０．１００７/９７８Ｇ３Ｇ６６２Ｇ４４４４７Ｇ４_４．[２０]㊀邸亮,杜永萍．L D A模型在微博用户推荐中的应用[J]．计算机工程,２０１４,４０(５):１Ｇ６,１１．D O I:１０．３９６９/j．i s s n．１０００Ｇ３４２８．２０１４．０５．００１．[２１]㊀仇丽青,陈卓艳,丁长青,等．基于改进L D A主题模型的社会网络话题发现算法i M L D A[J]．情报科学,２０１６,３４(９):１１５Ｇ１１８,１３３．D O I:１０．１３８３３/j．c n k i．i s．２０１６．０９．０２３．[２２]㊀Z HA N G Z h i j u n,X U G o n g w e n,Z HA N G P e n g f e i,e ta l．P e r s o n a l i z e dr e c o mm e n d a t i o na l g o r i t h mf o rs o c i a ln e t w o r k sb a s e do nc o m p r e h e n s i v e t r u s t[J]．A p p l i ed I n te l l i g e n c e,２０１７,４７(３):６５９Ｇ６６９．D O I:１０．１００７/s１０４８９Ｇ０１７Ｇ０９２８Ｇx．[２３]㊀李德新,钟俊．一种改进用户相似度的协同过滤推荐算法[J]．数字技术与应用,２０１７(２):１５８Ｇ１５９．D O I:１０．３９６９/j．i s s n．１００７Ｇ９４１６．２０１７．０２．０９９．[２４]㊀关鹏,王曰芬,傅柱．不同语料下基于L D A主题模型的科学文献主题抽取效果分析[J]．图书情报工作,２０１６,６０(２):１１２Ｇ１２１．D O I:１０．１３２６６/j．i s s n．０２５２Ｇ３１１６．２０１６．０２．０１８．[２５]㊀孙志滨．L D A模型的研究及其在推荐系统中的应用[D]．杭州:浙江大学,２０１６．[２６]㊀李湛．基于社会信任网络的协同过滤推荐方法研究[D]．大连:大连理工大学,２０１３．[２７]㊀郭文健,高仲合,段婷婷．基于信任网络的个性化推荐算法[J]．电子技术,２０１６(１２):６５Ｇ６７．D O I:１０．３９６９/j．i s s n．１０００Ｇ０７５５．２０１６．１２．０２０．[２８]㊀靳健,杨海慈,李凝,等．基于主题契合度的专家推荐模型研究[J]．数字图书馆论坛,２０１７(４):４７Ｇ５５．D O I:１０．３７７２/j．i s s n．１６７３Ｇ２２８６．２０１７．０４．００７．[２９]㊀赵千,耿骞,靳健,等．一种面向主题覆盖度与权威度的评审专家推荐模型研究[J]．图书情报工作,２０１７,６１(１):８０Ｇ８８．D O I:１０．１３２６６/j．i s s n．０２５２Ｇ３１１６．２０１７．０１．０１０．(责任编辑㊀黄㊀勇)。
基于web的仿真综述
基于web的仿真综述近年来，随着技术的飞速发展，模拟技术不仅体现在工程实践中，而且已经以Web的形式扩展到电子商务和社会网络中。
仿真技术是把实际环境中的复杂问题模拟到计算机中，用以解决那些难以采用系统分析和实际测试解决的问题，目前仿真技术已经在电子商务和社会网络中有着广泛的应用。
本文旨在对 Web 仿真技术进行综述，包括仿真技术的基本概念、基于Web的仿真的基本原理和应用以及目前仿真技术的研究发展趋势。
一、仿真技术的基本概念仿真技术属于计算机仿真技术的一种，是把实际环境的复杂问题模拟到计算机中，去解决一些难以采用系统分析和实际测量解决的问题。
仿真技术主要有以下三个特点：（1）可配置性：仿真技术可以通过配置不同的参数来改变模拟系统的模型，从而满足不同类型的问题需求；（2）可重复性：仿真技术可以在相同的参数下，多次运行实验，使用不同的数据结果，并且可以根据不同的参数来比较实验结果；（3）可开发性：仿真技术可以根据实际问题的特点，进行不同的开发和管理，以解决复杂问题。
二、基于Web的仿真的基本原理基于Web的仿真是将复杂的实际问题模拟到Web系统中，以满足复杂网络环境下不同行为的需求，因此，基于Web的仿真技术可以提供一个可视化的仿真环境，使用户可以在线实时的操作仿真系统，从而更好的获得仿真结果。
基于Web的仿真应用可以分为基于网络的仿真和基于Web服务的仿真。
基于网络的仿真是将实际的系统模型通过网络技术与计算机连接，以便远程控制系统，实现远程模拟仿真。
而基于Web服务的仿真则是通过将系统模型和Web服务技术相结合，利用互联网将控制器、通信设备、仿真器和远程仪器等元件集成在一个系统中，实现在线仿真设计和开发，多个网络用户可以同时进行交互式在线设计模拟。
三、目前仿真技术的发展趋势目前仿真技术正处于发展的困境中，主要是因为仿真技术的发展速度远不及实际问题的变化速度。
面对当前社会环境的复杂性，必须实现仿真技术的改进和发展，以更好地解决实际问题。
全国教育科学“十二五”规划 立项课题名单
王万山
基础学科拔尖学生培养试验研究
付景川
高等教育质量保障的新障碍及破解路径研究
安心
大学生创业教育社会支持体系研究
赵薇
普通高等学校大学生核心职业技能教岗对接培养模式研究
宋争辉
以大学生创业教育为突破点改革高校人才培养模式问题研究
郭健
“逆城市化”现象下大学生就业状况与补偿教育机制研究----以冀、湘、皖三省为例 杨会芹
张玉华
产业转型升级背景下高职院校专业有效发展研究
刘松林
我国体育教师专业标准构建研究
王健
舞蹈美育与人的全面发展研究
平心
关于软式垒球运动对我国中小学生身心健康影响的研究
尚大鹏
青海省藏汉双语教育生态系统研究
郭辉
跨境民族教育研究
钟海青
撒拉族教育特色研究
武启云
少数民族学生国家认同和文化融合研究
孙杰远
民族教育与武陵民族地区农村劳动力转移研究
பைடு நூலகம்
吴驰
促进中学生思维品质发展研究
邢红军
情绪一致性记忆编码和提取的发展研究
李芳
小学教师元认知教学的发展与干预研究
张振新
积极心理学视角下青少年抗挫折能力的研究
刘志军
基于学生发展的校本评估对教学有效性的促进研究
李凌艳
青少年积极心理品质的发展机制与培养途径研究
盖笑松
运用分类理论提高课堂教学效率的理论与实践研究
安宏
数字教育资源生态化建设和共享模式研究
王民
运用现代教育技术装备促进基础教育实践教学模式的改革与创新研究
刘强
大学生网络学习行为的分析模型与调控机制研究 高考加分政策研究 城市养老女性护理人才培养的国际比较研究 90后农民工职业能力培养路径研究 国际汉语教学评价标准研究 公共教育财政适应国家财政体制改革研究 中美高等职业教育内部治理机制比较研究 城乡统筹背景下高等教育与区域经济协调发展研究 义务教育阶段小规模学校合并的问题与对策比较研究 现代西方道德教育的社会学基础研究 学校社会工作视域下大学生弱势群体救助模式研究 学前儿童品格教育实践模式研究—基于和合学习理念的探索 中小学生弱势群体情感教育问题及对策研究 新疆高校哈萨克民族大学生思想政治教育研究 宪法认同与公民教育实践模式研究 大学生低碳生活教育及其德育功能实现研究 大学生志愿服务的公益性与利益补偿问题研究 经济发达地区中等教育优质均衡发展的文化机制研究 残疾人高等教育院校教师专业化特色研究 基于证据的教育舆情分析研究 高考加分政策改革研究 校长教学领导力发展的知识基础研究 地方政府民办教育制度创新研究 我国城乡居民教育支出与公共教育投入问题研究 基于税收优惠政策的国家助学贷款最优担保机制研究 新世纪国家支持农村义务教育的政策研究 非洲区域教育发展战略研究 我国发达地区构建现代化公共教育服务体系政策研究 普通高等学校招生多元评价体系研究 转型期中国大学办学定位的制度逻辑演进研究 独立学院“浙江模式”研究 新生代农民培养教育发展战略研究
大模型的社会网络分析和建模
添加标题
监测和预测市场趋势：社交网络中的信息传播和市场情绪可以反映市场趋势和变化。金融机构可以 利用社交网络分析来监测和预测市场趋势，从而做出更明智的投资决策。
添加标题
发现潜在客户：通过分析社交网络中的用户行为和兴趣，金融机构可以发现潜在的客户群体，从而 制定更精准的市场营销策略。
添加标题
监测和应对声誉风险：社交网络中的信息传播和舆论可以迅速扩散，对金融机构的声誉造成影响。 金融机构可以利用社交网络分析来监测和应对声誉风险，及时采取措施来维护品牌形象。
节点和边的表示方法
节点表示：用点 表示网络中的实 体
边表示：用线表 示节点之间的关 系
权重表示：用数 字表示节点之间 的关系强度
属性表示：用标 签或属性表示节 点的特征
社会网络分析的指标
聚类系数：衡量网络中节点 聚集的程度
网络中心性：衡量节点在网 络中的中心地位
结构分析法：通过分析网络 结构，揭示节点之间的关系
大模型的社会网络分析和建模
汇报人：XXX
大模型的社会网络分析 大模型的社区发现和聚类 大模型的链路预测和影响力传播 大模型的社会网络分析和建模的应用场景 大模型的社会网络分析和建模的挑战和未来发展方向
大模型的社会网络分析
社会网络分析概述
社会网络分析的定义和目 的
社会网络分析的基本概念 和原理
社会网络分析的方法和工 具
应用：基于密度的社区发现算法在社交网 络分析、信息推荐、网络攻击防御等领域 具有广泛的应用。
基于模块度的社区发现算法
模块度定义：衡量社区内部连接紧密程度和社区间连接稀疏程度的指标 基于模块度的社区发现算法原理：通过优化模块度函数来识别社区结构 算法步骤：预处理、构建网络、计算模块度、社区发现 算法优缺点：能够发现任意形状的社区，但容易受到噪声和异常值影响
国外网络教育的评价标准
国外网络教育的评价标准问:请您简单介绍ISO9000中关于高校教育质量的规定。
余胜泉: ISO9000系列标准是从标准的角度，对国际上行之有效的质量管理和质量保证体系的理论和方法进行系统性提炼、概括和总结，并使其系统化、标准化和规范化。
教育管理ISO认证是通过权威认证机构按照ISO9000系列标准的相关质量要素，对教育管理的各项工作进行规范和评价，确认其质量体系是否具有质量保证和质量控制能力，是否有充分依据值得社会和消费者信赖。
这里的规范和评价十分强调“所有工作都是通过过程来完成的“，要求质量认证必须是经各国公认的第三方公证机构，依据规定标准和程序进行客观、公正的活动；要求学校必须根据自身的实际情况，把ISO9000系列标准的相关质量要素有机而合理地体现于学校的各项工作过程之中，确定各个过程的合理接口和职责权限，建立一套完整化、文件化的质量管理体系和质量保证体系。
一旦确立了质量方针、目标和质量标准，教育过程及质量评价的每个环节都必须严格按照各项质量要素和标准进行控制，把所有要做的事和所做的事全部记录下来，而且质量记录必须十分详细，并对所做的事情和记录负责。
由此可见，ISO9000是一个通用的标准，也适用于各种教育机构，反映了质量管理的一般性理念，在一般性理念上允许体现特性。
因此，网络教育与传统高等教育的不同点决定了二者质量管理的差别，如网络教育有其特殊的机构设置、授课方式、学生评价方法，特别是从质量管理的角度看，它所提供的服务方式和输出产品也和普通高校有所不同，因此，必须从网络教育的特点和目标出发来衡量网络教育的质量。
问:入世后，中国网络教育机构如何面对国外远程教育机构的冲击？余胜泉:国外远程教育机构的进入，一方面可以大量引进国外的优秀教育资源、先进设备和师资力量，带动中国网络教育的发展，使国内获得更多的先进理念和教育经验，无论是高校还是企业都能获取很多合作办学的机会。
国内的网络教育机构，包括高校的网络教育学院、电视大学以及提供网络教育和培训的公司，应充分利用这一有利时机，在教育和培训模式上寻求多样化，从课程内容、学习支持、评价方式等方面不断提升自己的实力和质量，促进经营和管理的规范化。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
针对这四个方面的 问题 ， 文提 出了一种新的 、 用语 义 ｗｅ 技 术 、 于 ｗｅ 本 采 ｂ 基 ｂ社会 网络 的个性化 ｗｅ ｂ信 息推 荐模 型 ，
Ａ ｅ ｓ ｎ ｌＷ ｅ ｃ ｍｍ ｅ ｄ ｔ ｎ Ｍ ｏ ｅ ａ ｅ ｎ Ｗ ｅ ｏ ｉ ｌ ｔ ｒ Ｐ ｒ ｏ ａ ｂ Ｒｅ ｏ ｎ ａ ｉ ｄ ｌＢ ｓ ｄ ｏ ｂ Ｓ ｃａ ｗｏ ｋ ｏ Ｎｅ
ＣＨＥＮ ｕ ＴＡＮＧ ｎ Ｊｎ Ｙａ
（ ｃ ｌｙｏ ｍ ｐ ｔｒａ ｎ ｏ ｍａ ｉ ｉｎｃ ，Ｓ ｕ ｈ ｓ ｉａＵ ｎｖ ｒ ｉｙ，Ｃｈ ｎｇ ｉｇ ４ ０ １ ） Ｆａ ｕｔ ｆＣｏ ｕ ｅ ｎｄ Ｉｆ ｒ ｔ Ｓｃｅ ｅ ｏ ｔ ｗｅ ｔＣｈｎ ｉｅ ｓｔ ｏｎ ｏ ｑｎ ０ ７ ５
详细分析 了用户偏好 的获取 ， ｂ社会 网络的生成 以及待过 滤 Ｗｅ 息的采 集。并且 ， Ｗｅ ｂ信 利用从 实 际中采集的 真 实数
据进 行 了实验 ， 明 了模 型 的 可行 性 和 有 效性 。 证 关键 词 个性 化 ， ｂ信 息推 荐 ， 源 描 述 框 架 ， ｅ 会 网络 Ｗｅ 资 Ｗ ｈ社
维普资讯
Hale Waihona Puke 计算机科 学 ２ ０ Ｖｏ． ３ ４ ０ ６ １３ №．
基 于 Ｗｅ 会 网络 的个 性 化 Ｗｅ ｂ社 ｂ信 息 推 荐 模 型
陈 君 唐 雁
（ 西南大学计算机与信息科学学院 重庆 ４ ０ １） ０７５
摘 要 随着Ｗｅ 信息量的快速增长， ｂ 个性化的Ｗｅ 信息推荐系统扮演着越来越重要的角色。目 大多数 Ｗｅ 信 ｂ 前， ｂ
此 ， 文第 ２ 将简要 介 绍相关 的语 义 Ｗｅ 本 节 ｂ技 术 和 Ｗｅ ｂ社
会 网络 ； ３ 第 节介绍 相关 工作 ； ４节 给 出基 于 ｗｅ 第 ｂ社会 网
兴趣偏好 的 ｗｅ 信息 已成为 一个重要的研究课题 。 ｂ
实现个性化 的 ｗｅ ｂ推荐 ， 要解 决三个 问题 ：） 户偏 需 １用 好 的获取 ；） ２待过 滤的 ｗｅ ｂ信息 采集 与预处 理 ； ） ３ 匹配 用户
ｒ ｔｌ ｒ ａ ｋｎ ｅｓ ｎ ｌｙ，ｄ ｐ ｎ ｉｇ ｔｏ ｍ ｕ ｈ ｏ ｓｒ ’ｈｓｏ ｙ ｄ ｔ， ｐ ｒｏｍ ｉｇ ｐ ｏ ｎ ｄ ｃ ｎ ｒｌ ｅ ｎ ｉ ｎ ａｅｙａ ｅｌｃ ｉｇｐ ｒｏ ａｉ ｔ ｅ ｅ ｄｎ ｏ ｃ ｎ ｕ ｅ ｓ ｉｔｒ ａａ ｅ ｆｒ ｎ ｏ ｒｉ ｅ ｅ ｔａｉ ｄ ｅ ｖｒ ｚ ｏ ｍｅ ｔ ｎ ａ ｒｆ ｉｇ ｕ ｅｓ ｎ ｅｅｔｐ ｏ ｉ ｓ Ｉ ｈｓｐ ｐ ｒ ｎ ，ａ ｄｓ ｃｉｉ ｎ ｓ ｒ ’ｉｔｒ ｓ ｒ ｆ ｅ． ｎ ｔ ｉ ａ ｅ ，ｗｅ ｐ ｏ ｏ ｅａ ｎ ｗ ｅ ｓ ｎ ｌ ｅ）ｒｃ ｍｍｅ ｄ ｔ ｎ ｍｏ ｅ ｃ ｌ ｒ ｐ ｓ ｅ ｐ ｒｏ ａ ｔ ｅ ｏ Ｗ ｎ ａｉ ｄ ｌ ｏ ｂ ｓｄ ｏ ｅ ｏ ｉｌｅｗｏ ｋ ｓｎ ｅ ｎ ｉ Ｗ ｅ ｅ ｈ ｏｏ ｙ Ｕｓ ｒ ｎｅ ｅ ｔｃ ｐｕ ｉｇ，Ｗ ｅ ｏ ｉｌｎ ｔ ｒ ０ ｍａ ａ ｅ ｎ Ｗ ｂ ｓ ｃａｎ ｔ ｒ ，ｕ ｉｇ ｓ ｍａ ｔｃ ｂ ｔｃ ｎ ｌｇ ． ｅ ’Ｓｉｔ ｒｓ ａ ｔ ｒｎ ｂ ｓ ｃａ ｅｗｏ ｋ ｆｒ — ｔ ｎ ｎ ｉ ｅｉｇ ｎ ｅ ｅ ｅ ｎｏｍ ａｉｎ ｃ ｌ ｃｉｎａ ｅｔｏ ｏ ｇ ｌ ｔ ｄｅ ． Ｍ ｏ ｅ’Ｓｆａ ｉｉｔ ｎ ｆｅ ｔ ｅ ｅ ｓａ ｅ ｉ ，ａ ｄ ｆ ｔｒｎ － ｅ ｄ ｄＷ ｂｉ ｆｒ ｔ ｏｌ ｔ ｒ ｈ ｒ ｕ ｈｙ ｓｕ ｉｄ ｏ ｌ ｏ ｅ ｏ ｄ ｌ ｅ ｓｂｌ ｙａ ｄ ｅｆｃｉ ｎ ｓ ｒ ｉ ｖ
Ａｂｔ锄 ｔ Ａｓｆｓ ｒ ｗｉｇｏ ｅ ｎ ｏｍａ ｉｎ ｅ ｓ ｎ ｌ ｅ ｅｏ ｓｒ ｃ ａ ｔ ｏ ｎ ｆ ｇ Ｗ ｂ ｉｆｒ ｔ ．ｐ ｒｏ ａ ｂ ｒ ｃ ｍｍｅ ｄ ｔ ｎ ｓ ｓｅ ｗｏ ｌ ｌｙｍｏ ｅａ ｄ ｍｏ ｅｉ ｏ Ｗ ｎ ａｉ ｙ ｔｍ ｕｄ ｐａ ｒ ｎ ｒ ｍ ｏ
１ 引言
目前 。 ｂ已成为人们获取信 息 的一个重要 途径 。如何 Ｗｅ 设计个性化的 ｗｅ 信 息推荐 系统 高效地 向用 户推 荐符合 其 ｂ
在用户所在 的客户端进行偏 好获取 、 基于 Ｗｅ ｂ社会 网络 的个
性化 Ｗｅ 信 息推 荐模 型 。该 模型 采 用 了语 义 Ｗｅ 术 ， ｂ ｂ技 因
络的个性化 Ｗｅ 信 息 推荐 模 型 ， 详 细分 析 用户 偏 好 的获 ｂ 并 取， ｂ Ｗｅ 社会网络 的 生成 以 及待 过 滤 Ｗｅ 息 的采 集。最 ｂ信 后， 利用采 集 自 ｗｅ ｂ的真实数 据进 行 实验 ， 明模 型 的可行 证
ｐ ｒａ ｔ ｒ ｌ ．Ｃｕ ｒ ｎ ｌ ，ｈ ｗｅ ｅ ，ｍｏ ｔｓ ｅ ｅ ｏ ｏ ｔｎ ｏｅ ｒ ｅ ｔｙ ｏ ｖｒ ｓ ｕ ｈ ｒ ｃ ｍｍｅ ｄ ｔ ｎ ｓ ｓｅ ｉ ｌ ｕ ｆ ｒ ｆｏ ｆ ｕ ｒ ｂ ｅ ．Ｔｈ ｙ ｓ ｐ ｎ ａ ｉ ｙ ｔｍｓ ｍ ｎ ｙ ｓ ｆｅ ｒ ｍ ｏ ｒ ｐ ｏ ｌｍｓ ｏ ａ ｅ ｅ ａ
ｐ ｏ ｅ ｙ ｅ ｐ ｒｍｅ ｔ ． ｒ ｖｄ ｂ ｘ ｅｉ ｎ ｓ
Ｋｅ ｗｏｄ Ｐｅｓ ｎ ｌ ａ ｉｎ，Ｗ ｅ ｅ ｏ ｙ ｒｓ ｒｏ ａｉ ｔｏ ｚ ｂ ｒｃ ｍｍｅ ｄ ｔｏ ｎ ａｉｎ，Ｒｅ ｏ ｒｅｄ ｓｒｐ ｉｎｆａ ｗｏ ｋ，Ｗ ｅ ｏ ｉ１ｎ ｔ ｒ ｓ ｕ ｃ ｅ ｃｉｔ ｒ ｍｅ ｒ ｏ ｂ ｓ ｃａ ｅｗｏ ｋ