在Web3.0時(shí)代，人們不再滿足由機(jī)器挖掘給用戶的各種信息，而是要結(jié)合自身的偏好享用個(gè)性化的信息服務(wù)，無(wú)論是產(chǎn)品還是服務(wù)，都將為每一用戶量身打造，信息世界將變得越來(lái)越聰明和智能，似乎比用戶還了解他想要的是什么，這就是個(gè)性化的信息服務(wù)，即Web3.0的內(nèi)涵。所以，如何在浩如煙海的信息中尋求個(gè)性化的信息，就是目前學(xué)術(shù)界需要解決的熱點(diǎn)研究問(wèn)題。同時(shí)，在另一方面，隨著Internet網(wǎng)絡(luò)的產(chǎn)生和使用，用戶在社會(huì)化標(biāo)注系統(tǒng)（Web頁(yè)面）上產(chǎn)生了大量的代表自己個(gè)性化信息的數(shù)據(jù)，那么如何充分利用用戶產(chǎn)生的數(shù)據(jù)來(lái)解決目前的個(gè)性化信息服務(wù)問(wèn)題，就成了一個(gè)情報(bào)學(xué)術(shù)界研究的熱點(diǎn)學(xué)術(shù)問(wèn)題。社會(huì)化標(biāo)注系統(tǒng)主要是以“用戶-資源-標(biāo)簽”三元關(guān)系為研究對(duì)象的典型復(fù)雜動(dòng)態(tài)網(wǎng)絡(luò)，用戶可以根據(jù)個(gè)人的需要自由選擇詞匯對(duì)所喜愛(ài)的資源進(jìn)行標(biāo)注，每添加一個(gè)詞匯被稱(chēng)為對(duì)資源添加一個(gè)標(biāo)簽，用戶、資源和標(biāo)簽組成了社會(huì)化標(biāo)注系統(tǒng)的三個(gè)基本元素。從這三個(gè)最基本的組成元素開(kāi)始，從中提煉用戶的個(gè)性化信息，進(jìn)而形成個(gè)性化信息推薦，成為論文的研究起點(diǎn)。本文針對(duì)社會(huì)化標(biāo)注系統(tǒng)中的個(gè)性化信息推薦模型問(wèn)題展開(kāi)研究，在綜述“社會(huì)化標(biāo)注系統(tǒng)”、“個(gè)性化信息推... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：162 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖.~~~“~和.~一「匕~

圖 1.2 萬(wàn)方個(gè)性化信息推薦研究趨勢(shì)推薦的理論主要有復(fù)雜網(wǎng)絡(luò)理論、用戶行為復(fù)雜網(wǎng)絡(luò)理論引入圖書(shū)館個(gè)性化信息服務(wù)的下個(gè)性化信息推薦服務(wù)的模型。文獻(xiàn)[10] 利度提出個(gè)性化信息推薦模型。文獻(xiàn)[11]將眾戶與資源的關(guān)系網(wǎng)絡(luò)，更好的進(jìn)行信息推薦12]，資源聚類(lèi)[13]，或者通過(guò)網(wǎng)絡(luò)的共現(xiàn)建立用推薦的理論主要是協(xié)同過(guò)濾、內(nèi)容分析、關(guān)濾是最早提出，研究最深入、商業(yè)應(yīng)用最廣所有用戶或商品的信息，并從中發(fā)現(xiàn)品味相構(gòu)造經(jīng)過(guò)排序的推薦列表。析在最初只是協(xié)同推薦技術(shù)的延續(xù)與發(fā)展，見(jiàn)，而是依據(jù)用戶已經(jīng)選擇的商品內(nèi)容信息計(jì)

圖 2.1 關(guān)鍵詞共現(xiàn)知識(shí)圖譜表 2.2 高頻關(guān)鍵詞統(tǒng)計(jì)排名 頻次 中心度 關(guān)鍵詞12345678910393630282423191717150.040.060.030.010.030.010.020.030.000.02FolksonomySocial TaggingWeb 2.0Recommender SystemsCollaborative TaggingSocial BookmarkingSocial MediaSocial NetworksSemantic WebOntologyolksonomy 和 Social Tagging 分別排在第一、第二位，F(xiàn)olksonomy 主要標(biāo)簽的應(yīng)用角度，即索引和檢索兩方面展開(kāi)研究，由于傳統(tǒng)的固定分類(lèi)

【參考文獻(xiàn)】：
期刊論文
[1]社會(huì)網(wǎng)絡(luò)視角下的用戶關(guān)系與信息服務(wù)體系研究[J]. 張莉.  情報(bào)科學(xué). 2013(07)
[2]社會(huì)網(wǎng)絡(luò)環(huán)境下用戶關(guān)系對(duì)信息傳播的影響作用——以新浪微博為例[J]. 胡吉明,張蔓蒂,黃如花.  情報(bào)雜志. 2013(06)
[3]基于K-核分析的中國(guó)啤酒品牌二分網(wǎng)絡(luò)結(jié)構(gòu)研究[J]. 宗剛,趙曉東.  北京工業(yè)大學(xué)學(xué)報(bào). 2013(06)
[4]復(fù)雜網(wǎng)絡(luò)中最小K-核節(jié)點(diǎn)的傳播能力分析[J]. 任卓明,劉建國(guó),邵鳳,胡兆龍,郭強(qiáng).  物理學(xué)報(bào). 2013(10)
[5]新浪微博名人用戶特征挖掘及效應(yīng)研究[J]. 郭秋艷,何躍.  情報(bào)雜志. 2013(02)
[6]人際—群際信任的差異:測(cè)量與影響因素[J]. 辛自強(qiáng),高芳芳,張梅.  上海師范大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2013(01)
[7]微博用戶關(guān)系挖掘研究綜述[J]. 王連喜,蔣盛益,龐觀松,吳美玲.  情報(bào)雜志. 2012(12)
[8]基于知識(shí)圖譜的國(guó)內(nèi)外個(gè)性化推薦比較研究[J]. 武慧娟,周蘭萍,辛躍.  東北電力大學(xué)學(xué)報(bào). 2012(05)
[9]基于知識(shí)圖譜的社會(huì)化標(biāo)簽系統(tǒng)研究熱點(diǎn)與前沿分析[J]. 武慧娟,徐寶祥.  情報(bào)科學(xué). 2012(10)
[10]Web 2.0環(huán)境中用戶生成內(nèi)容的自組織[J]. 李鵬.  圖書(shū)情報(bào)工作. 2012(16)



本文編號(hào)：3372943