导读:本文包含了社会化标注论文开题报告文献综述及选题提纲参考文献，主要关键词:主题资源,标注行为,社会化标签,标签标注
社会化标注论文文献综述
武强,贺培凤,邰杨芳,卢学春,晋晓强[1]（2019）在《社会化标注系统中不同主题资源的用户标注行为差异分析》一文中研究指出采用自主研发的软件抓取豆瓣网用户对互联网、健康、心理学等主题资源的标注标签数据,利用标签类型比率量化指标、统计描述法和差异分析法从7方面分别进行系统性分析,结果显示不同主题资源在语言类型、标注倾向和词来源3个方面对用户标注行为产生显着影响。(本文来源于《医学信息学杂志》期刊2019年09期）
王娜,龙影[2]（2019）在《基于用户体验的社会化标注系统评价体系研究》一文中研究指出【目的/意义】从用户体验角度出发,设计并确立一套社会化标注系统评价指标体系,以期为社会化标注系统的优化发展提供一定的参考。【方法/过程】文章以用户体验为中心,以社会化标注系统为研究对象,通过文献分析、专家调查,研究设计了基于用户体验的社会化标注系统评价指标体系,包括5个评价准则和10个评价指标;然后,对本专业的专家和普通网络用户分别进行问卷调查,并运用层次分析法和加权平均法计算评价指标权重。【结果/结论】本文通过对比发现专家与用户对于社会化标注系统评价指标的影响力有不同的看法,在分析原因的基础上利用层次分析法的结果,采用加权平均法确定了基于用户体验的社会化标注系统评价体系的权重。(本文来源于《情报科学》期刊2019年06期）
李志华[3]（2019）在《社会化标注中标签相似性研究》一文中研究指出用户在社会化标注系统中使用标签对资源进行标注,形成了用户、资源、标签之间的叁元关系,作为联系用户与资源的纽带,标签不仅可以体现用户的兴趣偏好,还可以表示资源的内容特征,标签的相似性度量成为了基于标签的个性化推荐与标签聚类等标签应用的基础与核心。因此,如何利用用户、资源、标签之间的叁元关系,设计有效的标签相似性指标,成为了一个主要问题。为此,本文结合国家自然科学基金项目:“泛在计算环境中社会化驱动的情境感知个性化信息服务研究”(项目编号:71471165),从用户标注行为的角度出发构建刻画用户、资源、标签之间的叁元关系的标签超网络,据此,综合考虑标签超网络中同超边共现关系与超边共节点共现关系对标签相似性的影响,提出了一种基于超网络中共现关系的标签相似性评估方法,对标签相似性进行有效地度量。本文的主要工作和贡献如下:(1)构建了标签超网络。从用户标注行为出发,构建了可以清楚刻画社会化标注系统中用户、资源、标签之间的叁元关系的标签超网络,并将其与标签共现网络进行对比分析。(2)提出一套基于超网络中共现关系的标签相似性指标。将社交网络分析中的叁元闭包原则与心理学领域的邻近联系法则引入标签超网络,综合考虑标签超网络中同超边共现关系与超边共节点共现关系对标签相似性的影响,设计了一套基于超网络中共现关系的标签相似性指标。(3)展开实证分析。选取Last.fm与MovieLens这两个社会化标注平台中的数据,以标签谱聚类作为检验相似性指标的方法,利用无监督聚类中的内在评价指标轮廓系数对不同相似性指标开展对比评估,验证了基于超网络中共现关系的标签相似性指标的有效性。研究表明,基于超网络中共现关系的标签相似性指标是有效的,在标签相似性关系的度量上,比基于超网络中同超边共现关系的标签相似性指标准确,研究结果对基于标签的个性化推荐与聚类具有较好的应用价值。(本文来源于《浙江理工大学》期刊2019-03-01）
丁玲[4]（2019）在《社会化标注中集成主题优化的协同推荐研究》一文中研究指出社会化标注系统作为移动社会化应用平台,用户标注活动日趋活跃。随着用户、资源和标签数量的不断增加,系统逐渐呈现出数量大、增长快、复杂多样以及质量不稳定不可靠等“大数据化”特征,极大地增加了推荐的复杂度,社会化标注中推荐服务的效率和效果矛盾日益突出。因此,本文结合国家自然科学基金项目“泛在计算环境中社会化驱动的情境感知个性化信息服务研究”(项目编号:71471165),针对“大数据化”标签数据存在的冗余性、不确定性和不一致性等问题,引入主题优化环节,研究并提出了社会化标注中集成主题优化的协同推荐方法。本文的主要工作和贡献如下:(1)提出集成优化过程的推荐服务模式。结合先优化后服务的思路,将社会化标注中的推荐实现过程分为线下主题优化和线上推荐服务两个过程。通过优化过程和服务过程的集成实现高质量、高效率的个性化推荐服务。(2)利用改进的LDA模型进行标签主题优化。以“用户-标签”二元关系为基础,利用用户标注行为特点改进LDA模型,挖掘潜在的标签主题。将原本杂乱的标签划分成具有一致主题的簇,消除标签本身存在的冗余性、不确定性和不一致性。(3)提出集成主题优化的协同推荐方法。通过线下对标签数据进行主题优化,建立“用户-主题”偏好模型和“主题-资源”权重模型。最终构建用户在多兴趣主题下对资源的偏好模型,从而提高线上推荐的效率。(4)采用Movielens数据集进行实验探究。利用准确率、召回率、F值和多样性指标衡量推荐的质量,利用时间复杂度及推荐生成总时间指标衡量推荐的效率。在获取推荐方法最优参数的情况下,设置多组对比实验,综合探究提出的方法在推荐质量和效率上的平衡效果。研究表明,本文提出的集成主题优化的协同推荐方法优于传统的协同推荐方法,尤其体现在推荐的多样性指标上。此外,该方法有效地提高了用户可见的线上推荐效率,实现了推荐效果和效率的平衡。本文的研究结果对于高质量、高效率的推荐服务具有较高的实践应用价值。(本文来源于《浙江理工大学》期刊2019-03-01）
武慧娟,孙鸿飞,金永昌[5]（2019）在《社会化标注系统中个性化信息推荐多维度融合与优化模型研究》一文中研究指出[目的/意义]在社会化标注系统自组织运行的基础上,构建个性化信息推荐的多维度融合与优化模型,进而在大数据环境下,为用户提供精准的个性化信息推荐服务,从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先,对每一种个性化信息推荐方法的优点和不足进行深入分析;然后,将基于图论(社会网络关系)、基于协同过滤以及基于内容(主题) 3种个性化信息推荐方法进行多维度深度融合,构建个性化信息推荐多维度融合模型;最后,对社会化标注系统中个性化信息推荐多维度融合模型进行优化,从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论(社会网络关系)、基于协同过滤以及基于内容(主题)的个性化信息推荐方法各自的贡献和不足,实现3种方法之间的多维度深度融合,并结合心理认知、用户情境以及时间、空间等优化因素,最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。(本文来源于《现代情报》期刊2019年01期）
熊回香,叶佳鑫,蒋武轩[6]（2018）在《改进的DBSCAN聚类算法在社会化标注中的应用》一文中研究指出【目的】改进DBSCAN算法并验证其在社会化标注中的可行性及有效性。【方法】结合社会化标注的特点,分析标签被用来标注资源的频次及标签的总出现次数,挖掘标签与资源间的联系来改进DBSCAN聚类算法,以改进的算法为基础,实现标签聚类、用户聚类以及用户标签的拓展。【结果】采用豆瓣电影上的数据进行对比实验,改进的DBSCAN算法在应用于社会化标注时可以提高簇内对象间相关性与各簇间相关性的比值,聚类效果得到改进。【局限】在选择构建向量的数据时存在一定局限性,样本数据只能从较笼统的层面表示用户及资源特征,未对其进行深入挖掘。【结论】本文通过分析社会化标注的特点来改进DBSCAN算法,提高算法的效果,并为其改进提供新的思路。(本文来源于《数据分析与知识发现》期刊2018年12期）
王晓耘,赵菁,徐作宁[7]（2018）在《基于社会化标注的用户兴趣发现及个性化推荐研究》一文中研究指出基于标签的个性化推荐应用越来越普遍,但是标签带有的语义模糊、时序动态性等问题影响着个性化推荐质量,现有研究仅从数量和结构上考虑用户与标签的关系。基于社会化标注系统的个性化推荐首先对融合社会关系的标签进行潜在语义主题挖掘,然后构建多层、多维度用户兴趣模型,提出模型更新策略,最后实现个性化推荐。采集Cite Ulike站点数据进行实验分析,结果表明改进算法比传统算法更准确表达用户兴趣偏好,有效提高了个性化推荐准确率。(本文来源于《现代情报》期刊2018年07期）
武强[8]（2018）在《社会化标注系统中不同主题资源的用户标注行为分析》一文中研究指出目的社会化标注是Web 2.0技术的典型应用。随着互联网的发展和普及,越来越多的互联网应用平台均采用社会化标注功能,允许众多用户以标签的形式参与到网络信息资源的评论和分享,以便用户描述并揭示网络信息资源的内容。然而,社会化标签存在着选择随意、语义表达模糊、义同词不同以及词同义不同等问题,降低了用户对信息资源的使用效率,限制了标签的实际应用效果;同时,也在一定程度上降低了基于标签的信息组织和检索系统的质量。本文选题来源于国家社会科学基金项目“基于框架网络本体的标签系统语义分析研究”(13TCQ030)。通过标签对社会化标注系统中不同主题资源的用户标注行为分析与研究,一方面能够真实地揭示和了解用户在社会化标注系统中的标注动机和标注方式等信息,达到全面理解用户标注行为的目的;另一方面能够找出制约用户检索、利用和管理网络信息资源的主要因素,以此改进标签的使用;进一步提高网络信息组织和检索效率,充分实现对资源信息的传播、共享与利用;同时,能够优化社会化标注系统的结构功能和应用服务,达到全面促进社会化标注系统可持续发展的目的。方法基于自主开发的标签抓取软件(社会化标签知识采集系统)对社会化标注资源网站豆瓣网上“互联网”、“健康”与“心理学”主题资源数据抓取,运用文献调研法整理相关文献,提出本课题研究方向;运用实证研究法、统计描述法、差异分析法从标签的语言类型、词性统计、用语规范性、功能类型、情感、标注倾向、词来源等方面进行了定量分析和标签类型比率的用户标注行为量化指标进行了定性分析。结果特征分析的结果表明:①用户偏向使用名称、动词、形容词等词性的中文标签;②用户的标签用语具有不规范性,更多时候用户选择非叙词和非类目名称词作为标签标注资源;③用户倾向使用具有描述型功能的主题词标签进行标注资源用来揭示图书主题内容;④用户偏向使用评价型标签和情感型标签标注资源,便于其他用户关注该资源并有利于资源的分享;⑤用户标签标注倾向不高,大部分用户从未对图书添加标签,并且标签来源于标题的占比偏低。差异分析的结果表明:不同主题资源对用户标注行为存在显着性差异体现在标签的语言类型、标注倾向和词来源等方面,在标签的词性统计、用语规范性、功能类型和情感等方面不同主题资源对用户标注行为显着性差异不明显。结论社会化标注系统应该从提高个性化推荐服务功能、增加对不规范标签的纠正功能、完善标签检索功能、增加标签导航功能和完善标签浏览方式等方面进行结构功能和应用服务的优化,对促进社会化标注系统的可持续发展具有重要意义。(本文来源于《山西医科大学》期刊2018-05-20）
黄进,周栋[9]（2018）在《一种融合社会化标注系统中主题域相似的个性化排序方法》一文中研究指出随着网络技术的发展,互联网中越来越多的资源被应用于信息检索中,大量的研究表明,社会化标注可以用于改善信息检索。现有个性化排序的方法中,用户之间的相似度大多通过其共同使用过的标签集来计算。然而,现实中用户标注数据存在稀疏性和标签同义词等问题,导致相似度计算并不准确。在前人研究的基础上,提出了一种融合主题域相似的个性化排序方法。该方法首先通过主题域的划分,将不同主题含义的网页及标签分开,通过构建的标签相似网络找出标签同义词。然后结合用户标签和主题偏好找出兴趣相近的用户,并对用户的标注信息进行扩展,从而能够有效地改善个性化信息检索的效果。在真实数据上的实验结果表明,该方法能有效缓解标注稀疏性和标签同义词问题,有助于改善用户检索体验。(本文来源于《计算机工程与科学》期刊2018年05期）
罗琳,杨洋[10]（2018）在《社会化标注系统中用户标签使用行为影响因素研究》一文中研究指出社会化标注系统中的标签功能是一种较为成熟的大众分类法的表现形式,本文是针对社会化标注中的典型代表——豆瓣图书标签来进行用户的使用行为影响因素研究,并讨论豆瓣图书的标签是否对用户起到了作用。本文基于SOR和TAM理论提出研究假设,进行了问卷信效度分析,建立了结构方程模型对回收的281份问卷数据进行分析。研究结果显示:豆瓣图书标签的信息质量、感知有用性和感知易用性对用户未来使用豆瓣图书标签的意愿上起到了一定的正向影响作用,产品涉入度正面调节了信息质量、感知有用性和感知易用性这些变量对用户未来参与意愿的影响。结论说明社会化标注系统中的标签在检索、标注、分享等方面起到了作用,但未来还需要进一步完善其功能。(本文来源于《图书情报知识》期刊2018年03期）
社会化标注论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
【目的/意义】从用户体验角度出发,设计并确立一套社会化标注系统评价指标体系,以期为社会化标注系统的优化发展提供一定的参考。【方法/过程】文章以用户体验为中心,以社会化标注系统为研究对象,通过文献分析、专家调查,研究设计了基于用户体验的社会化标注系统评价指标体系,包括5个评价准则和10个评价指标;然后,对本专业的专家和普通网络用户分别进行问卷调查,并运用层次分析法和加权平均法计算评价指标权重。【结果/结论】本文通过对比发现专家与用户对于社会化标注系统评价指标的影响力有不同的看法,在分析原因的基础上利用层次分析法的结果,采用加权平均法确定了基于用户体验的社会化标注系统评价体系的权重。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
社会化标注论文参考文献
[1].武强,贺培凤,邰杨芳,卢学春,晋晓强.社会化标注系统中不同主题资源的用户标注行为差异分析[J].医学信息学杂志.2019
[2].王娜,龙影.基于用户体验的社会化标注系统评价体系研究[J].情报科学.2019
[3].李志华.社会化标注中标签相似性研究[D].浙江理工大学.2019
[4].丁玲.社会化标注中集成主题优化的协同推荐研究[D].浙江理工大学.2019
[5].武慧娟,孙鸿飞,金永昌.社会化标注系统中个性化信息推荐多维度融合与优化模型研究[J].现代情报.2019
[6].熊回香,叶佳鑫,蒋武轩.改进的DBSCAN聚类算法在社会化标注中的应用[J].数据分析与知识发现.2018
[7].王晓耘,赵菁,徐作宁.基于社会化标注的用户兴趣发现及个性化推荐研究[J].现代情报.2018
[8].武强.社会化标注系统中不同主题资源的用户标注行为分析[D].山西医科大学.2018
[9].黄进,周栋.一种融合社会化标注系统中主题域相似的个性化排序方法[J].计算机工程与科学.2018
[10].罗琳,杨洋.社会化标注系统中用户标签使用行为影响因素研究[J].图书情报知识.2018