融合内容与关系的学术社交媒体上跨学科用户推荐模型研究

摘要：

[目的/意义]在学术社交媒体快速发展的今天,开展跨学科研究或者寻求跨学科合作时,很多科研合作起始于社交媒体上的相识或关注,因此开展社交媒体上跨学科用户推荐非常有意义.社交媒体上主要存在"媒体"(代表内容)、"社交"(代表关系)两大类数据,因此本文开展了融合内容与关系的社交媒体跨学科用户推荐.[方法/过程]在基于向量空间模型的用户表示之后,本文借助用户内容信息计算用户领域专业度,根据关系数据测度用户跨学科距离,同时结合用户关系网络PageRank值给出推荐结果.[结果/结论]以科学网为例,实现"图书情报""计算机""新闻与传媒""高等教育""生物学"这5个领域内的跨学科用户推荐,并经人工实验测试检验,表明推荐结果在一定程度上能满足推荐需求.

关键词：跨学科用户、推荐模型、跨学科距离、学术社交媒体

所属期刊栏目：64

分类号：G203(信息与传播理论)

资助基金：本文系国家社会科学青年基金项目"社交媒体视域下的跨学科用户发现及其推荐研究"项目编号:17CTQ047

在线出版日期：2020-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：95-103