本文關(guān)鍵詞：科研社交網(wǎng)絡(luò)中的導(dǎo)師推薦研究

  更多相關(guān)文章： 導(dǎo)師推薦 科研分析框架 個(gè)性匹配度 科研社交網(wǎng)絡(luò) 推薦系統(tǒng)

【摘要】：由于信息技術(shù)的迅猛發(fā)展,人們?cè)谏钪锌梢暂p易地獲取海量的動(dòng)態(tài)網(wǎng)絡(luò)數(shù)據(jù),但這也使得他們很難快速地尋找到能夠解決棘手任務(wù)的最有用信息。在高等教育領(lǐng)域,導(dǎo)師選擇是學(xué)生開(kāi)啟他／她的研究生學(xué)術(shù)生涯之前的首要任務(wù)�，F(xiàn)有的相關(guān)研究表明,選擇一個(gè)合適自己的導(dǎo)師對(duì)于這個(gè)學(xué)生未來(lái)的學(xué)術(shù)生涯是極其重要的。隨著技術(shù)的改進(jìn),人們可以通過(guò)搜索引擎的方式來(lái)尋找自己需要的信息,但是,這種方式的有用性是基于用戶很明確地知道自己所要搜索的信息的關(guān)鍵詞這個(gè)假設(shè)前提的。在學(xué)生選擇導(dǎo)師的情境中,大部分學(xué)生由于經(jīng)驗(yàn)不足,是不確定應(yīng)該要搜索怎樣的信息的,是對(duì)信息沒(méi)有明確方向感的。他們?cè)谧鲞x擇的過(guò)程中,主要面臨著兩大挑戰(zhàn)：信息不完全和信息不對(duì)稱。首先,傳統(tǒng)的選擇方式都是在信息不完全的情況下進(jìn)行的,這樣的選擇結(jié)果可能并不是最優(yōu)的選擇：其次,學(xué)生通常都是利用搜索引擎找到潛在導(dǎo)師所在學(xué)校的個(gè)人主頁(yè),進(jìn)而參考相關(guān)信息,但是,這種信息不對(duì)稱的方式使得學(xué)生只能獲取部分的信息,這些信息也并沒(méi)有及時(shí)地更新,在這樣的情況下會(huì)導(dǎo)致學(xué)生盲目的選擇,產(chǎn)生不匹配現(xiàn)象,進(jìn)而會(huì)影響學(xué)生的學(xué)術(shù)成就。因此,本研究旨在科研社交網(wǎng)絡(luò)的平臺(tái)基礎(chǔ)上,從推薦的角度提出一套智能方法來(lái)解決這個(gè)具體問(wèn)題,主動(dòng)地為有需要的學(xué)生推薦符合其特征的潛在導(dǎo)師,起到輔助決策的作用。在已有的關(guān)于導(dǎo)師選擇的研究中,主要提出的方法可以歸結(jié)為三類：第一種是基于主題相關(guān)的方法,第二種是基于候選人質(zhì)量的方法,第三種是融合了前兩種的混合方法。Alarfaj, Kruschwitz et al. (2012)提出了一種基于信息檢索技術(shù)的解決方案,利用從導(dǎo)師發(fā)表的論文成果中抽取的關(guān)鍵詞來(lái)表征這個(gè)導(dǎo)師的學(xué)術(shù)特征。學(xué)生可以通過(guò)系統(tǒng)檢索到感興趣的導(dǎo)師,方法中主要通過(guò)計(jì)算學(xué)生所敲入的檢索關(guān)鍵詞和導(dǎo)師的特征關(guān)鍵詞的相似度來(lái)進(jìn)行結(jié)果排序。Mosharraf和Taghiyareh (2012)利用優(yōu)化的傳統(tǒng)方法,將學(xué)生導(dǎo)師選擇的問(wèn)題映射成為一個(gè)優(yōu)化問(wèn)題,進(jìn)而,作者基于遺傳算法提出了適用于解決學(xué)生導(dǎo)師選擇這一問(wèn)題的方法。后來(lái),作者設(shè)計(jì)了一個(gè)名為ADAM的系統(tǒng),它可以在一個(gè)學(xué)校范圍內(nèi)為學(xué)生提供潛在導(dǎo)師選擇的服務(wù)。Ray和Marakas在他們的學(xué)術(shù)研究中,首先進(jìn)行了問(wèn)卷調(diào)查學(xué)生在考慮導(dǎo)師選擇時(shí)比較注重的因素。進(jìn)而,提出了一種基于AHP的方法,幫助學(xué)生在有限的集合里選擇自己感興趣的畢業(yè)論文指導(dǎo)教師。Momeni, Samimi et al. (2011)為了避免AHP方法中涉及到的輔助決策的指標(biāo)必須互相獨(dú)立的假設(shè)前提,提出了基于ANP的解決方案。通過(guò)讓學(xué)生自己來(lái)比較指標(biāo)之間的重要性的過(guò)程,最終確定在方案中的每一個(gè)指標(biāo)的權(quán)重。Datta, Beriha et al. (2009)在MCDM方法的基礎(chǔ)上提出了一個(gè)策略方案,考慮了待選擇的導(dǎo)師所發(fā)表的論文、獲得的項(xiàng)目以及導(dǎo)師信譽(yù)等,為了評(píng)估候選人的質(zhì)量,作者采用了從灰色關(guān)聯(lián)分析改編而來(lái)的COPRAS-G方法。通過(guò)文獻(xiàn)綜述可以發(fā)現(xiàn),在已有的基于主題相關(guān)的方法中,采用的是直接的關(guān)鍵詞字面匹配的方法,這會(huì)導(dǎo)致“匹配失衡”現(xiàn)象,本文采用考慮關(guān)鍵詞的語(yǔ)義相似度的相關(guān)度分析方法。在已有的方法中,一些方法只局限于考慮待選擇人選的單方面衡量指標(biāo),另一些方法融合考慮了關(guān)鍵詞相關(guān)度和候選人質(zhì)量度。但是現(xiàn)有的方法存在一定的不足,并沒(méi)有一個(gè)體系的方法來(lái)全面考慮這個(gè)特定問(wèn)題,比如忽略了兩個(gè)個(gè)體之間個(gè)性匹配的重要性,研究表明性格的匹配會(huì)影響兩個(gè)人的有效溝通和合作,學(xué)生導(dǎo)師關(guān)系并不是一段短暫的一次性合作機(jī)會(huì),而是長(zhǎng)期的至少三四年的相處關(guān)系,所以在本研究所提出的系統(tǒng)性方法中將會(huì)考慮這一點(diǎn)。其次,本文還加入了兩個(gè)個(gè)體之間連接度的考慮,分別從機(jī)構(gòu)層次連接度和個(gè)體層次連接度進(jìn)行衡量。本文提出了一種個(gè)性化的導(dǎo)師智能推薦方法,用于在科研社交網(wǎng)絡(luò)上為有需求的學(xué)生推薦適合自己個(gè)人特征的導(dǎo)師�？傮w上,本文提出的方法包含了兩個(gè)主要階段,分別為過(guò)濾階段和排序階段。首先,在過(guò)濾階段中,利用相關(guān)度分析在初始階段篩選排除研究領(lǐng)域等學(xué)術(shù)信息方面不相關(guān)的候選人。相關(guān)度分析主要是測(cè)量給定的學(xué)生和潛在的導(dǎo)師之間在學(xué)術(shù)信息方面的匹配度,這里的學(xué)術(shù)信息包括了研究興趣、領(lǐng)域?qū)ｉL(zhǎng)、以及知識(shí)背景等。本文利用基于學(xué)科監(jiān)督的語(yǔ)義相關(guān)度匹配的方法來(lái)計(jì)算相關(guān)度分值。第二,在排序階段中,由初始階段產(chǎn)生的初步候選集合將在這一階段基于科研分析框架來(lái)進(jìn)行進(jìn)一步的連接度分析和質(zhì)量度分析,以及性格匹配度分析。連接度分析結(jié)合了個(gè)體層次的社交連接度分析和機(jī)構(gòu)層次的合作連接度分析。質(zhì)量度分析是以導(dǎo)師候選人為中心的,從他／她已發(fā)表的論文和已受資助的項(xiàng)目方面對(duì)導(dǎo)師進(jìn)行產(chǎn)出度的數(shù)量和質(zhì)量的衡量。除了傳統(tǒng)的質(zhì)量分析指標(biāo)外,本文的質(zhì)量度分析也融入了候選人在科研社交網(wǎng)絡(luò)上的社交關(guān)注度衡量。此外,已有研究表明性格匹配程度會(huì)影響兩個(gè)個(gè)體之間的有效溝通,所以,本文在排序階段中,通過(guò)個(gè)性匹配的過(guò)程對(duì)候選人進(jìn)行又一維度的分析。本文借鑒心理學(xué)方面已有研究成果中所提出的濃縮版的個(gè)性分析量表,通過(guò)問(wèn)卷來(lái)獲取學(xué)生和導(dǎo)師在各個(gè)性格維度的相關(guān)數(shù)據(jù),進(jìn)而根據(jù)距離公式(Deza,2009)來(lái)進(jìn)行個(gè)性匹配度分析。最后,為了產(chǎn)生最后的候選人排序列表,需要融合分別從四個(gè)維度得到的不同分值。本研究采用基于分值的融合方法,即Comb-MNZ算法。針對(duì)每個(gè)給定的學(xué)生,通過(guò)這個(gè)過(guò)濾排序過(guò)程都會(huì)得到一系列的待推薦候選人。通常,在科研社交網(wǎng)絡(luò)上,系統(tǒng)會(huì)給每個(gè)特定用戶推薦排序前幾名的科研人員。在具體算法上,在相關(guān)度分析方面,本文主要融合了兩方面的信息。一方面,根據(jù)教育部學(xué)科分類體系標(biāo)準(zhǔn),形成學(xué)科分類樹(shù),采用分類樹(shù)方法(Li和Shiu,2002)計(jì)算學(xué)生所在的專業(yè)與導(dǎo)師所在的學(xué)院的匹配度。另一方面,基于每個(gè)人的科研相關(guān)信息,分別對(duì)學(xué)生和導(dǎo)師進(jìn)行特征提取和建模,其中,導(dǎo)師的科研信息包括自填的研究領(lǐng)域、發(fā)表的論文信息(主要為題目、關(guān)鍵詞和摘要信息)和教過(guò)的課程信息,同時(shí),學(xué)生的科研信息包括自填的研究興趣、發(fā)表或者感興趣的論文信息以及通過(guò)的課程信息。通過(guò)特征提取過(guò)程,利用Quattrone, Capra等學(xué)者的研究成果,通過(guò)自然語(yǔ)言處理技術(shù)建立一個(gè)關(guān)鍵詞-文本的矩陣,其中每個(gè)元素代表的是關(guān)鍵詞在這個(gè)特定文本的詞頻,進(jìn)而,利用迭代算法構(gòu)建出關(guān)鍵詞矩陣,在這個(gè)矩陣中每個(gè)元素代表了兩兩關(guān)鍵詞之間的相似度。通過(guò)這樣的過(guò)程來(lái)進(jìn)行有學(xué)科監(jiān)督下的語(yǔ)義相關(guān)度分析,從而在初始階段就過(guò)濾掉不相關(guān)的候選人,產(chǎn)生初始候選集合。在連接度分析方面,主要考慮的是給定的學(xué)生和潛在待推薦的導(dǎo)師之間在個(gè)體層次和機(jī)構(gòu)層次的連接值。首先,基于科研社交網(wǎng)絡(luò)上的好友關(guān)系網(wǎng)絡(luò)挖掘?qū)W生和導(dǎo)師之間的個(gè)體層次的社交連接度。一方面,考慮兩個(gè)個(gè)體之間的共同好友數(shù)量；另一方面,挖掘連接這兩個(gè)個(gè)體的最短路徑,通過(guò)文中所給的綜合考慮這兩方面的算法計(jì)算個(gè)體層次的社交連接度分值。另外,基于論文成果的機(jī)構(gòu)間合作網(wǎng)絡(luò),挖掘該學(xué)生所在的學(xué)校和導(dǎo)師所在學(xué)校的機(jī)構(gòu)層次的合作連接度,通過(guò)計(jì)算兩個(gè)機(jī)構(gòu)之間合作的成果數(shù)量占兩機(jī)構(gòu)分別的成果數(shù)量總和的比例,來(lái)表示兩個(gè)個(gè)體在機(jī)構(gòu)層次的連接度。最后,線性融合這兩方面的標(biāo)準(zhǔn)化分值來(lái)代表連接度維度最后的分值。在質(zhì)量度分析方面,測(cè)量了待推薦導(dǎo)師的科研產(chǎn)出度。傳統(tǒng)上,科研產(chǎn)出度一般考慮科研人員所發(fā)表的文章的數(shù)量和質(zhì)量,以及受資助項(xiàng)目的數(shù)量和等級(jí)方面的信息。在論文方面,通過(guò)JCR的期刊分區(qū)情況,將論文期刊分為了四個(gè)區(qū)域等級(jí),系統(tǒng)記錄科研人員發(fā)表的論文所在的不同分區(qū)信息,通過(guò)AHP方法對(duì)不同區(qū)域等級(jí)賦予了相應(yīng)的權(quán)重,最后得到候選人在論文方面的得分。在項(xiàng)目方面,通過(guò)以往研究,將項(xiàng)目分為了國(guó)家級(jí)、教育部、省級(jí)以及市級(jí)四個(gè)類別,同樣通過(guò)AHP方法對(duì)不同類別賦予了相應(yīng)的權(quán)重,最后得出該候選人在項(xiàng)目方面的分值。本文,在這兩個(gè)傳統(tǒng)指標(biāo)的基礎(chǔ)上,補(bǔ)充考慮了科研人員在科研社交網(wǎng)絡(luò)中的社交關(guān)注度,通過(guò)挖掘科研社交網(wǎng)絡(luò)中用戶的相關(guān)社交活動(dòng),主要涉及了與所發(fā)表的論文以及所資助的項(xiàng)目相關(guān)的社交行為,比如在科研社交網(wǎng)絡(luò)中用戶的贊、分享、評(píng)論以及將感興趣科研對(duì)象收藏起來(lái)的社交行為數(shù)量。在個(gè)性匹配分析方面,本文借鑒了心理學(xué)領(lǐng)域?qū)W者的研究成果,IPIP量表(International Personality Item Pool)是最典型的用于測(cè)量個(gè)性的量表(Goldberg,1999)。出于實(shí)際應(yīng)用中的便利性考慮,Donnellan, Oswald et al. (2006)基于IPIP提出了一個(gè)簡(jiǎn)化的量表,稱為Mini-IPIP,由20個(gè)簡(jiǎn)短的題項(xiàng)組成的�？偣卜譃槲鍌�(gè)維度(extraversion, agreeableness, conscientiousness, neuroticism,和imagination)。因此,每個(gè)用戶的個(gè)性方面都可以被表征為一個(gè)五維的數(shù)值向量。接著,通過(guò)距離公式計(jì)算兩個(gè)個(gè)體之間的個(gè)性匹配程度。最后,在得到了四個(gè)維度的不同分值之后,本文采用一種基于分值的融合算法,即Comb-MNZ方法,來(lái)集成四個(gè)維度的分值,得到最終的推薦列表。每一個(gè)特定的學(xué)生都將得到排名前幾名的個(gè)性化導(dǎo)師推薦服務(wù)。為了驗(yàn)證所提出的導(dǎo)師智能推薦方法,本研究進(jìn)行了一個(gè)基于科研之友注冊(cè)用戶的在線調(diào)查實(shí)驗(yàn)。首先,根據(jù)在現(xiàn)有文獻(xiàn)中已有的導(dǎo)師選擇方法,定義了三種基準(zhǔn)方法。對(duì)已有的導(dǎo)師選擇方法進(jìn)行歸類后發(fā)現(xiàn),現(xiàn)有的方法主要是基于關(guān)鍵詞相關(guān)度的方法,基于候選人員的質(zhì)量度的方法,或者混合前兩者的方法。因此,我們?cè)O(shè)立了三種用于比較推薦結(jié)果的基準(zhǔn)方法：第一種是基于相關(guān)度的推薦方法；第二種是基于相關(guān)度和傳統(tǒng)質(zhì)量度的推薦方法；第三種是基于三維科研分析框架的推薦方法,即融合了相關(guān)度分析、質(zhì)量度分析和連接度分析。本研究的驗(yàn)證過(guò)程主要包括了兩個(gè)階段：信息收集階段和推薦滿意度反饋階段。首先,在信息收集階段,學(xué)生和導(dǎo)師的大部分科研信息都能夠在科研之友上進(jìn)行收集,比如用戶的主頁(yè)、“成果”文件夾、“文獻(xiàn)”文件夾、智能簡(jiǎn)歷、以及好友關(guān)系網(wǎng)等；同時(shí),系統(tǒng)通過(guò)郵件發(fā)放問(wèn)卷的方式補(bǔ)充收集了用戶在性格方面的信息。其次,在推薦滿意度階段,基于特定用戶的個(gè)性化特征,不同方法分別對(duì)用戶進(jìn)行智能導(dǎo)師推薦。每一種推薦方法(本文提出的方法和三種基準(zhǔn)方法)均給用戶推薦排名前三的候選人。每一個(gè)學(xué)生將收到最多12個(gè)推薦的導(dǎo)師(不排除重復(fù)的情況),進(jìn)而將這12個(gè)推薦結(jié)果打亂順序發(fā)送給這個(gè)學(xué)生,讓其用1到7的分值區(qū)間對(duì)所推薦的人員進(jìn)行滿意度打分,分值越高表明這個(gè)學(xué)生用戶對(duì)某個(gè)特定推薦結(jié)果越滿意。在將反饋信息收集回來(lái)之后,我們會(huì)將結(jié)果分別對(duì)應(yīng)到不同的推薦方法中去,進(jìn)行下一步的滿意度的結(jié)果比較。在本研究中,主要通過(guò)平均打分指標(biāo)(AR指標(biāo))和標(biāo)準(zhǔn)化折算累計(jì)增益值指標(biāo)(NDCG指標(biāo))來(lái)比較本文所提出的方法的推薦結(jié)果和三種不同基準(zhǔn)方法所推薦的結(jié)果。結(jié)果顯示,無(wú)論是基于AR指標(biāo)還是NDCG指標(biāo),本文所提出的智能推薦方法都優(yōu)于其他三種基準(zhǔn)方法,它所推薦的結(jié)果能夠得到參與實(shí)驗(yàn)的用戶更高的滿意度評(píng)價(jià)�；贏R指標(biāo),本研究提出的智能推薦方法比其他三種基準(zhǔn)方法中得到最高用戶滿意度的方法(即基于科研分析框架的推薦方法)提升了15.21%的用戶滿意度評(píng)價(jià)：根據(jù)NDCG指標(biāo),本研究提出的推薦方法比最好的基準(zhǔn)方法提升了10.74%的用戶滿意度。綜上所述,本研究在學(xué)術(shù)貢獻(xiàn)方面,提出了一種智能導(dǎo)師推薦方法,它融合了相關(guān)度分析、連接度分析、質(zhì)量度分析、以及個(gè)性匹配度分析,有助于為有決策需求的學(xué)生提供導(dǎo)師選擇支持。細(xì)化而言,在相關(guān)度方面,運(yùn)用了基于學(xué)科的關(guān)鍵詞語(yǔ)義分析方法來(lái)測(cè)量學(xué)生和導(dǎo)師的相似度。在連接度方面,融合了機(jī)構(gòu)層次的合作連接度和個(gè)體層次的社交連接度。在質(zhì)量度方面,除了傳統(tǒng)的衡量指標(biāo)外,補(bǔ)充加入了人員在科研社交網(wǎng)絡(luò)上的社交關(guān)注度。另外,本研究強(qiáng)調(diào)并考慮了以往研究中被忽視的兩個(gè)個(gè)體的性格匹配度在一段合作交流關(guān)系過(guò)程中的重要性。在實(shí)際貢獻(xiàn)方面,本文提出的智能導(dǎo)師推薦方法已在科研之友平臺(tái)上進(jìn)行應(yīng)用,注冊(cè)用戶如有需求,可以在相關(guān)應(yīng)用中得到這一項(xiàng)個(gè)性化推薦服務(wù)。此外,以往研究表明導(dǎo)師被視為一種動(dòng)態(tài)知識(shí)來(lái)源,學(xué)生接近導(dǎo)師更是獲取知識(shí)的一種有效渠道,所以智能導(dǎo)師推薦服務(wù)也提升了學(xué)生進(jìn)行社交學(xué)習(xí)的潛在機(jī)會(huì)。最后,本研究也存在一定的不足,同時(shí)基于現(xiàn)有研究的不足方面,探討一些未來(lái)的潛在學(xué)術(shù)研究機(jī)會(huì)。首先,在驗(yàn)證本研究所提出的推薦方法的有效性方面,目前采用的是較為主觀的用戶滿意度的方式,但是如果在未來(lái)深入研究中,能夠進(jìn)行縱向研究來(lái)跟蹤評(píng)價(jià)推薦結(jié)果,采用真實(shí)的導(dǎo)師學(xué)生選擇成功率來(lái)驗(yàn)證的話,結(jié)果將會(huì)更客觀且更有說(shuō)服力。其次,本文提出的方法是應(yīng)用于具體的導(dǎo)師選擇的教育領(lǐng)域場(chǎng)景中,方法的普適性并未得到檢驗(yàn),在將來(lái)的研究中,可以將所提出的方法應(yīng)用于不同的類似推薦場(chǎng)景中,并對(duì)其進(jìn)行不斷修正,驗(yàn)證所提出的推薦方法的普適性。第三,在最后進(jìn)行四個(gè)維度推薦排序列表融合的方式上,本文只采用了Comb-MNZ集成算法,在未來(lái)的研究中,可以嘗試運(yùn)用更多不同的融合方法,比較不同集成算法得出的推薦結(jié)果的差異,并得出一般集成規(guī)律,在具體場(chǎng)景下應(yīng)采用的具體集成方法提出相關(guān)的建議。
【關(guān)鍵詞】：導(dǎo)師推薦 科研分析框架 個(gè)性匹配度 科研社交網(wǎng)絡(luò) 推薦系統(tǒng)
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：G252.7;G643
【目錄】：

• 摘要5-10
• ABSTRACT10-14
• CHAPTER 1. INTRODUCTION14-24
• 1.1 Background14-17
• 1.2 Research Objectives17-18
• 1.3 Research Methodology18-21
• 1.4 Thesis Structure21-24
• CHAPTER 2. LITERATURE REVIEW24-40
• 2.1 Supervisor Selection24-31
• 2.1.1 Significance of Suitable Selection24-25
• 2.1.2 Current Methods for Supervisor Selection25-31
• 2.1.2.1 Relevance-quality Based Consideration26-29
• 2.1.2.2 Subjective Characteristic Based Consideration29-31
• 2.2 Academic Recommendation Systems31-36
• 2.2.1 Characteristics of a Researcher's Profile32
• 2.2.2 Expert Recommendation32-35
• 2.2.3 Collaborator Recommendation35-36
• 2.3 Summary and Research Gaps36-40
• CHAPTER 3. PROPOSED APPROACH40-62
• 3.1 Overview of the Proposed Approach41-42
• 3.2 RAF-supported Dimensions42-57
• 3.2.1 Relevance Dimension42-49
• 3.2.1.1 Respective Profiling of Supervisors and Students43
• 3.2.1.2 Discipline-supervised Semantic Relevance Analysis43-49
• 3.2.2 Connectivity Dimension49-53
• 3.2.2.1 Individual-level Social Connection49-50
• 3.2.2.2 Institutional-level Collaboration Connection50-53
• 3.2.3 Quality Dimension53-57
• 3.2.3.1 Published Papers53-55
• 3.2.3.2 Funded Projects55
• 3.2.3.3 Social Popularity55-57
• 3.3 Personality Matching Focused Dimension57-59
• 3.4 Aggregation Process for Final Ranking59-62
• CHAPTER 4.EXPERIMENTAL EVALUATIONS62-74
• 4.1 Experimental Design62-64
• 4.2 Baseline Methods64-65
• 4.3 Evaluation Metrics65-67
• 4.4 Results and Discussion67-71
• 4.5 System Implementation71-74
• CHAPTER 5.CONCLUSIONS AND FUTURE WORKS74-78
• 5.1 Summary of the Research Work74-75
• 5.2 Contributions of the Research Study75-76
• 5.3 Limitations and Future Works76-78
• REFERENCES78-86
• APPENDIX86-88
• ACKNOWLEDGEMENTS88-90
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果90

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 呂寒;沈艷;;社交網(wǎng)絡(luò)視角下創(chuàng)意產(chǎn)業(yè)價(jià)值鏈發(fā)展研究[J];學(xué)術(shù)評(píng)論;2012年Z1期

2 陳星汶;;發(fā)現(xiàn)社交網(wǎng)絡(luò)的招聘魅力[J];人力資源管理;2013年04期

3 修春民;;德國(guó)限制社交網(wǎng)絡(luò)在中小學(xué)校的使用[J];世界教育信息;2013年18期

4 張希平;;關(guān)于圖書館與社交網(wǎng)絡(luò)的設(shè)想[J];普洱學(xué)院學(xué)報(bào);2013年06期

5 周國(guó)健;劉璐;邵攸悠;;高校校園社交網(wǎng)絡(luò)系統(tǒng)實(shí)現(xiàn)設(shè)計(jì)研究[J];電子技術(shù)與軟件工程;2014年10期

6 武會(huì);;淺談社交網(wǎng)絡(luò)對(duì)高校大學(xué)生的影響及若干建議[J];科技致富向?qū)?2013年05期

7 錢煒;;人體的“社交網(wǎng)絡(luò)”[J];教師博覽;2013年04期

8 代安楠;;大學(xué)生校園社交網(wǎng)絡(luò)的使用與建設(shè)[J];青年文學(xué)家;2013年24期

9 余劍來(lái);;社交網(wǎng)絡(luò)化的發(fā)展方向[J];世界科學(xué);2011年01期

10 詹馥榕;;淺議俄羅斯網(wǎng)絡(luò)發(fā)展現(xiàn)狀及其社交網(wǎng)絡(luò)語(yǔ)匯特征[J];西北民族大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2012年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 趙云龍;李艷兵;;社交網(wǎng)絡(luò)用戶的人格預(yù)測(cè)與關(guān)系強(qiáng)度研究[A];第七屆（2012）中國(guó)管理學(xué)年會(huì)商務(wù)智能分會(huì)場(chǎng)論文集（選編）[C];2012年

2 宮廣宇;李開(kāi)軍;;對(duì)社交網(wǎng)絡(luò)中信息傳播的分析和思考——以人人網(wǎng)為例[A];首屆華中地區(qū)新聞與傳播學(xué)科研究生學(xué)術(shù)論壇獲獎(jiǎng)?wù)撐腫C];2010年

3 楊子鵬;喬麗娟;王夢(mèng)思;楊雪迎;孟子冰;張禹;;社交網(wǎng)絡(luò)與大學(xué)生焦慮緩解[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

4 畢雪梅;;體育虛擬社區(qū)中的體育社交網(wǎng)絡(luò)解析[A];第九屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編(4)[C];2011年

5 杜p，

本文編號(hào)：846520