發(fā)布時間：2025-06-04 00:33

　　近年來互聯(lián)網(wǎng)應(yīng)用的快速發(fā)展與普及,社交網(wǎng)絡(luò)與在線辦公成為了人們生活與工作必不可少的工具,同時,在我國“互聯(lián)網(wǎng)+”政策下,形成“互聯(lián)網(wǎng)+黨建”的全新課題。云南省緊跟黨的先進性步伐,建立了具有在線社交與電子政務(wù)等功能的云南省綜合服務(wù)平臺“云嶺先鋒”,但隨著用戶數(shù)的增加與新功能的陸續(xù)推出,使得平臺因數(shù)據(jù)量、數(shù)據(jù)維度的增加而出現(xiàn)信息過載現(xiàn)象,導(dǎo)致平臺原有用戶關(guān)系評價模型低準確率、低效運行,而基于用戶關(guān)系評價模型的社區(qū)發(fā)現(xiàn)、信息推廣等應(yīng)用也都將無法良好運行。因此,論文在經(jīng)典用戶關(guān)系評價模型的基礎(chǔ)之上提出一種改進的算法模型,以緩解平臺在快速發(fā)展時期所出現(xiàn)的信息過載問題。論文的主要工作如下:(1)云南省綜合服務(wù)平臺運行現(xiàn)狀分析對云南省綜合服務(wù)平臺進行功能及需求分析,并對該平臺及其他社交平臺遇到的用戶關(guān)系評價模型低準確率、低效現(xiàn)象進行研究,總結(jié)了一些常見的不足,如:評價指標維度較少;忽視了平臺的特殊性;采用簡單加權(quán)求和,未考慮每個用戶自身的行為特點等。(2)提出基于多維度優(yōu)化的用戶關(guān)系評價模型從社交文本數(shù)據(jù)、用戶位置數(shù)據(jù)、共同好友數(shù)據(jù)、用戶間交互度數(shù)據(jù)以及用戶背景屬性數(shù)據(jù)出發(fā),分別提出針對性的改進算法,...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 黨建信息化發(fā)展概述
    1.3 本文研究的主要內(nèi)容
    1.4 章節(jié)結(jié)構(gòu)
第二章 相關(guān)技術(shù)介紹
    2.1 中文分詞
        2.1.1 基于文本字符串匹配法
        2.1.2 基于理解分詞法
        2.1.3 基于統(tǒng)計分詞法
        2.1.4 分詞算法選擇
    2.2 關(guān)鍵詞提取
        2.2.1 TF-IDF關(guān)鍵詞提取
        2.2.2 基于Gibbs采樣的LDA主題提取模型
        2.2.3 RAKE快速自動化關(guān)鍵詞提取算法
        2.2.4 關(guān)鍵詞提取算法選擇
    2.3 文本相似度計算
        2.3.1 杰卡德相似系數(shù)計算方法
        2.3.2 編輯距離計算方法
        2.3.3 余弦相似度計算方法
        2.3.4 文本相似度計算方法選擇
    2.4 文本聚類
        2.4.1 基于模型的聚類方法
        2.4.2 基于劃分式的聚類方法
        2.4.3 基于密度的聚類方法
        2.4.4 聚類方法選擇
    2.5 評價指標
    2.6 發(fā)展前景
    2.7 本章小結(jié)
第三章 應(yīng)用于P-SNS平臺的用戶關(guān)系評價模型
    3.1 社交內(nèi)容相似度計算
        3.1.1 常見社交內(nèi)容相似度計算
        3.1.2 基于社交內(nèi)容及用戶行為的相似度計算
        3.1.3 社交內(nèi)容相似度性能對比
    3.2 用戶位置相似度計算
        3.2.1 常見用戶位置相似度計算
        3.2.2 基于位置活躍度的相似度計算
        3.2.3 基于位置信息的相似度性能比較
    3.3 用戶間共同好友相似度計算
        3.3.1 用戶間共同好友相似度算法
        3.3.2 結(jié)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較
    3.4 用戶交互相似度計算
        3.4.1 常用用戶交互度相似度計算
        3.4.2 基于交互密集度的相似度計算
        3.4.3 交互情況相似度性能比較
    3.5 用戶背景相似度計算
        3.5.1 常用用戶背景相似度計算
        3.5.2 基于多屬性的用戶背景相似度計算
        3.5.3 用戶背景相似度性能比較
    3.6 P-SNS平臺用戶關(guān)系評價模型
        3.6.1 用戶關(guān)系評價模型概述
        3.6.2 用戶關(guān)系評價模型算法
        3.6.3 用戶關(guān)系評價模型性能比較
    3.7 本章小結(jié)
第四章 基于用戶關(guān)系評價模型的社區(qū)發(fā)現(xiàn)方法
    4.1 社區(qū)發(fā)現(xiàn)概述
    4.2 基于用戶關(guān)系評價模型的社區(qū)發(fā)現(xiàn)方法概述
    4.3 基于用戶關(guān)系評價模型的社區(qū)發(fā)現(xiàn)方法
    4.4 實驗與分析
        4.4.1 數(shù)據(jù)獲取與分類
        4.4.2 數(shù)據(jù)清洗
        4.4.3 實驗分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀碩士學(xué)位期間參加相關(guān)科研項目
致謝



本文編號：4049049