社会化专家旨在准确识别虚拟社区中具有特长的用户并对用户进行表示，高效挖掘虚拟社区中有价值的内容并将其有效地给信息需求者，为用户提供的在线社会支持。社会化专家对于解决信息过载问题和提升用户体验具有重要作用，近年来引起了广泛关注。本书对社会化专家的相关理论进行了介绍，重点讲解了面向虚拟社区的社会化专家建模、基于证据增强混合图的社会化专家算法及实证研究。另外，介绍了基于Nutch的虚拟社区多源数据采集系统。
本书可供从事虚拟社区、数据挖掘、情报技术、算法研究的院校老师、学生和相关行业的科研工作人员参考。
傅魁，武汉理工大学副教授，管理学博士，硕士生导师，经济学院电子商务系副主任；美国亚利桑那大学MIS系访问学者，湖北系统工程学会理事，湖北省电子商务学会理事。主要研究在线社会支持、社会计算、商务智能、语义网。
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 用户建模与识别理论研究
1.2.2 社会化专家推荐算法研究
1.2.3 在线社会支持研究
1.3 本书主要内容
1.3.1 研究内容体系结构
1.3.2 主要功能模块介绍
1.3.3 章节结构
第2章 相关理论基础
2.1 社会网络及其分析方法
2.1.1 社会网络的表示方法
2.1.2 社会网络分析任务和分类
2.1.3 社会网络分析指标
2.2 复杂网络社团
2.2.1 社团研究中的基本概念
2.2.2 复杂网络社团发现算法
2.2.3 复杂网络社团演化跟踪算法
2.3 用户画像
2.3.1 用户画像构建方法
2.3.2 用户画像的表现及更新方式
2.3.3 用户画像的分析方法
2.4 链接预测
2.4.1 链接预测方法
2.4.2 基于节点相似性的链接预测方法
2.5 混合图模型及算法
2.5.1 混合图模型
2.5.2 基于混合图的推荐算法
2.6 本章小结
第3章 面向虚拟社区的社会化专家建模
3.1 专家用户建模的多类专家证据
3.2 基于主题模型的用户—专长—词项三部图构建
3.2.1 问题描述和定义
3.2.2 用户—专长—词项的模型构建
3.2.3 基于主题模型的专家用户画像建模
3.3 基于证据增强混合图的专家用户模型构建
3.3.1 社会化专家建模框架设计
3.3.2 基于关联边增强的专家证据融合
3.3.3 基于节点属性增强的专家证据融合
3.3.4 融合多类专家证据的混合图模型构建
3.4 本章小结
第4章 基于证据增强混合图的社会化专家推荐
4.1 社会化专家推荐系统框架设计
4.1.1 社会化专家推荐系统概述
4.1.2 社会化专家推荐系统框架
4.2 基于重启动随机游走的一阶段社会化专家推荐
4.2.1 关联边定义及权重设定
4.2.2 转移概率矩阵计算
4.2.3 基于重启动随机游走的专家列表生成
4.3 基于情境感知的二阶段社会化专家推荐
4.3.1 用户情境概述
4.3.2 情境知识的获取与情境表示
4.3.3 基于情境后过滤策略的二次专家筛选
4.4 本章小结
第5章 面向虚拟社区的应用与实证研究
5.1 基于新浪微博的用户画像应用与实证
5.2 基于百度知道的社会化专家推荐应用与实证
5.2.1 用户—专长—词项混合图的构建实验
5.2.2 基于证据增强混合图的社会化专家推荐实验
5.3 基于39健康网艾滋病论坛的在线社会支持应用与实证
5.3.1 用户专业度识别实验及分析
5.3.2 链接预测实验及分析
5.3.3 在线社会支持网络构建实验及分析
5.3.4 在线社会支持网络演化追踪实验及分析
5.4 本章小结
第6章 基于Nutch的虚拟社区多源数据采集系统
6.1 Nutch概述
6.2 数据采集系统整体设计
6.3 基于网络新闻的数据采集
6.3.1 新闻类网站分析指标
6.3.2 基于分析指标的新闻类网站分类排名
6.3.3 新闻采集概念的模型构建
6.3.4 新闻采集流程及解析
6.4 基于论坛贴吧的数据采集
6.4.1 Web论坛的分析及模型构建
6.4.2 论坛采集流程设计
6.4.3 基于模板的Web论坛解析
6.5 基于微博的数据采集
6.5.1 微博概述及分析
6.5.2 微博采集概念的模型构建
6.5.3 微博数据采集流程及解析
6.6 本章小结
参考文献
[
我的消息
购物车