基于ugc挖掘的学术虚拟社区知识推荐研究

《基于ugc挖掘的学术虚拟社区知识推荐研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文MASTER’STHESIS基于UGC挖掘的学术虚拟社区知识推荐研究论文作者：胡丹华指导教师：王伟军教授学科专业：管理科学与工程研究方向：电子商务华中师范大学信息管理学院2013年5月硕士学位论文MASTER’STHESISResearchonKnowledgeRecommendationinAcademicVirtualCommunitiesBasedonUGCMiningAThestSSubmittedinPartialFulfillmentoftheRequirementFortheM．ADegreeinManagementB

2、yHuDanhuaPostgraduateProgramSchoolofInformationManagementCentralChinaNormalUniversitySupervisor：WangWeijunAcademicTitle：ProfessorSignatureApprovedMay,2013硕士学位论文MASTER’S丁HESIS华中师范大学学位论文原创性声明和使用粼明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表

3、或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。作者签名：日期：年月日学位论文版权使用授权书学位论文作者完全了解华中师范大学有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后遵守此规定)保密论文注释：本学位论文属于保密，在——年解密后适用本授

4、权书。非保密论文注释：本学位论文不属于保密范围，适用本授权书。、．．、1作者签名：矧屎群第导师签名：臌日期：即峙年S月功日日期：刀f弓年了月谣日本人已经认真阅读“CALLS高校学位论文全文数据库发布章程”，同意将本人的学位论文提交“CALLS高校学位论文全文数据库”中全文发布，并可按“章程"中的规定享受相关权益。回童途塞理童卮滢卮!日主生；旦二生；旦三生筮查!慧徽邛日日期：砷陟年厂月为日导师始燃日期：知l弓年F月才日硕士学位论文MASTER’STHESIS中文摘要互联网时代，信息技术的发展为人们带来学习、生活、工作的便捷。通过网络，人们获取知识

5、的渠道和途径大大拓展，虚拟社区便是其中的一种。虚拟社区为人们的信息交流提供了平台。随着信息交流内容的不断细分，学术交流的网络化成为一种趋势，受到学者的重视。更多的学者也倾向于通过互联网络来弥补现实学术交流的不足。学术虚拟社区以其快捷性、开放性吸引了越来越多重量级学者参与，它不仅满足了信息交流细分下学者对学术交流的需求，同时也成为传统学术交流在网络上的扩展和延伸，逐渐成为专业人士、科研工作者分享信息与知识的重要平台。知识交流与共享是学术虚拟社区存在与发展的基础。随着学术虚拟社区用户交互、社区知识量的几何级数增长，学术需求者如何与学术贡献者互动，学

6、者如何高效、准确、快速地获取想要的知识，同时寻找在学术研究中的志同道合者，如何提高学术虚拟社区的知识交流与共享度，都是现阶段对于学术虚拟社区研究需要考虑的问题。本论文基于对学术虚拟社区、用户生成内容(UGC)、Web数据挖掘、知识推荐等相关研究的学习，通过对学术虚拟社区和UGC研究，对其概念分别进行了界定，提出了学术UGC概念，从内容、用户和链接的维度分析了学术UGC不同于其他UGC的特性。将Web数据挖掘中的内容挖掘和结构挖掘用于学术UGC的挖掘中，使用基于语义加权的K一均值聚类实现学术UGC内容的挖掘，并建立了学术虚拟社区显性知识推荐模型：

7、优化学术虚拟社区中用户距离的计算方法，推导出改进后的PageRank2．0算法进行学术UGC链接挖掘，建立了学术虚拟社区隐性知识推荐模型，为用户推荐具有相同研究兴趣的其他用户。最后，使用UChome网站建设工具搭建了以“数据挖掘”为主题的学术虚拟社区，共分析23个用户共250篇博文。通过对250篇博文做文本和链接分析，进行文本聚类和用户权威度计算。学术UGC经过文本预处理和特征表示后，对各博客的特征表示集合进行文本相似度计算并得出相似矩阵，最后对相似矩阵采用K．means算法进行聚类；对学术UGC中的入链链接进行分析，并列出入链链接矩阵，算出每

8、位用户的权威值，将学术UGC聚类后的用户中的权威推荐给相关领域用户，这是一种隐性的知识推荐方式。这种知识和知识源(“学术权威")的知识推荐，能够促进“