“云南省综合服务平台”用户关系评价模型研究
发布时间：2025-06-04 00:33
近年来互联网应用的快速发展与普及,社交网络与在线办公成为了人们生活与工作必不可少的工具,同时,在我国“互联网+”政策下,形成“互联网+党建”的全新课题。云南省紧跟党的先进性步伐,建立了具有在线社交与电子政务等功能的云南省综合服务平台“云岭先锋”,但随着用户数的增加与新功能的陆续推出,使得平台因数据量、数据维度的增加而出现信息过载现象,导致平台原有用户关系评价模型低准确率、低效运行,而基于用户关系评价模型的社区发现、信息推广等应用也都将无法良好运行。因此,论文在经典用户关系评价模型的基础之上提出一种改进的算法模型,以缓解平台在快速发展时期所出现的信息过载问题。论文的主要工作如下:(1)云南省综合服务平台运行现状分析对云南省综合服务平台进行功能及需求分析,并对该平台及其他社交平台遇到的用户关系评价模型低准确率、低效现象进行研究,总结了一些常见的不足,如:评价指标维度较少;忽视了平台的特殊性;采用简单加权求和,未考虑每个用户自身的行为特点等。(2)提出基于多维度优化的用户关系评价模型从社交文本数据、用户位置数据、共同好友数据、用户间交互度数据以及用户背景属性数据出发,分别提出针对性的改进算法,...
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 引言
1.2 党建信息化发展概述
1.3 本文研究的主要内容
1.4 章节结构
第二章 相关技术介绍
2.1 中文分词
2.1.1 基于文本字符串匹配法
2.1.2 基于理解分词法
2.1.3 基于统计分词法
2.1.4 分词算法选择
2.2 关键词提取
2.2.1 TF-IDF关键词提取
2.2.2 基于Gibbs采样的LDA主题提取模型
2.2.3 RAKE快速自动化关键词提取算法
2.2.4 关键词提取算法选择
2.3 文本相似度计算
2.3.1 杰卡德相似系数计算方法
2.3.2 编辑距离计算方法
2.3.3 余弦相似度计算方法
2.3.4 文本相似度计算方法选择
2.4 文本聚类
2.4.1 基于模型的聚类方法
2.4.2 基于划分式的聚类方法
2.4.3 基于密度的聚类方法
2.4.4 聚类方法选择
2.5 评价指标
2.6 发展前景
2.7 本章小结
第三章 应用于P-SNS平台的用户关系评价模型
3.1 社交内容相似度计算
3.1.1 常见社交内容相似度计算
3.1.2 基于社交内容及用户行为的相似度计算
3.1.3 社交内容相似度性能对比
3.2 用户位置相似度计算
3.2.1 常见用户位置相似度计算
3.2.2 基于位置活跃度的相似度计算
3.2.3 基于位置信息的相似度性能比较
3.3 用户间共同好友相似度计算
3.3.1 用户间共同好友相似度算法
3.3.2 结合出入度的二度好友相似度算法
3.3.3 共同好友相似度性能比较
3.4 用户交互相似度计算
3.4.1 常用用户交互度相似度计算
3.4.2 基于交互密集度的相似度计算
3.4.3 交互情况相似度性能比较
3.5 用户背景相似度计算
3.5.1 常用用户背景相似度计算
3.5.2 基于多属性的用户背景相似度计算
3.5.3 用户背景相似度性能比较
3.6 P-SNS平台用户关系评价模型
3.6.1 用户关系评价模型概述
3.6.2 用户关系评价模型算法
3.6.3 用户关系评价模型性能比较
3.7 本章小结
第四章 基于用户关系评价模型的社区发现方法
4.1 社区发现概述
4.2 基于用户关系评价模型的社区发现方法概述
4.3 基于用户关系评价模型的社区发现方法
4.4 实验与分析
4.4.1 数据获取与分类
4.4.2 数据清洗
4.4.3 实验分析
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间参加相关科研项目
致谢
本文编号：4049049
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 引言
1.2 党建信息化发展概述
1.3 本文研究的主要内容
1.4 章节结构
第二章 相关技术介绍
2.1 中文分词
2.1.1 基于文本字符串匹配法
2.1.2 基于理解分词法
2.1.3 基于统计分词法
2.1.4 分词算法选择
2.2 关键词提取
2.2.1 TF-IDF关键词提取
2.2.2 基于Gibbs采样的LDA主题提取模型
2.2.3 RAKE快速自动化关键词提取算法
2.2.4 关键词提取算法选择
2.3 文本相似度计算
2.3.1 杰卡德相似系数计算方法
2.3.2 编辑距离计算方法
2.3.3 余弦相似度计算方法
2.3.4 文本相似度计算方法选择
2.4 文本聚类
2.4.1 基于模型的聚类方法
2.4.2 基于划分式的聚类方法
2.4.3 基于密度的聚类方法
2.4.4 聚类方法选择
2.5 评价指标
2.6 发展前景
2.7 本章小结
第三章 应用于P-SNS平台的用户关系评价模型
3.1 社交内容相似度计算
3.1.1 常见社交内容相似度计算
3.1.2 基于社交内容及用户行为的相似度计算
3.1.3 社交内容相似度性能对比
3.2 用户位置相似度计算
3.2.1 常见用户位置相似度计算
3.2.2 基于位置活跃度的相似度计算
3.2.3 基于位置信息的相似度性能比较
3.3 用户间共同好友相似度计算
3.3.1 用户间共同好友相似度算法
3.3.2 结合出入度的二度好友相似度算法
3.3.3 共同好友相似度性能比较
3.4 用户交互相似度计算
3.4.1 常用用户交互度相似度计算
3.4.2 基于交互密集度的相似度计算
3.4.3 交互情况相似度性能比较
3.5 用户背景相似度计算
3.5.1 常用用户背景相似度计算
3.5.2 基于多属性的用户背景相似度计算
3.5.3 用户背景相似度性能比较
3.6 P-SNS平台用户关系评价模型
3.6.1 用户关系评价模型概述
3.6.2 用户关系评价模型算法
3.6.3 用户关系评价模型性能比较
3.7 本章小结
第四章 基于用户关系评价模型的社区发现方法
4.1 社区发现概述
4.2 基于用户关系评价模型的社区发现方法概述
4.3 基于用户关系评价模型的社区发现方法
4.4 实验与分析
4.4.1 数据获取与分类
4.4.2 数据清洗
4.4.3 实验分析
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间参加相关科研项目
致谢
本文编号：4049049
本文链接：https://www.wllwen.com/guanlilunwen/zhengwuguanli/4049049.html
