基于UGC挖掘的學(xué)術(shù)虛擬社區(qū)知識推薦研究.pdf

1、互聯(lián)網(wǎng)時代，信息技術(shù)的發(fā)展為人們帶來學(xué)習(xí)、生活、工作的便捷。通過網(wǎng)絡(luò)，人們獲取知識的渠道和途徑大大拓展，虛擬社區(qū)便是其中的一種。虛擬社區(qū)為人們的信息交流提供了平臺。隨著信息交流內(nèi)容的不斷細分，學(xué)術(shù)交流的網(wǎng)絡(luò)化成為一種趨勢，受到學(xué)者的重視。更多的學(xué)者也傾向于通過互聯(lián)網(wǎng)絡(luò)來彌補現(xiàn)實學(xué)術(shù)交流的不足。學(xué)術(shù)虛擬社區(qū)以其快捷性、開放性吸引了越來越多重量級學(xué)者參與，它不僅滿足了信息交流細分下學(xué)者對學(xué)術(shù)交流的需求，同時也成為傳統(tǒng)學(xué)術(shù)交流在網(wǎng)絡(luò)上的擴展和

2、延伸，逐漸成為專業(yè)人士、科研工作者分享信息與知識的重要平臺。知識交流與共享是學(xué)術(shù)虛擬社區(qū)存在與發(fā)展的基礎(chǔ)。隨著學(xué)術(shù)虛擬社區(qū)用戶交互、社區(qū)知識量的幾何級數(shù)增長，學(xué)術(shù)需求者如何與學(xué)術(shù)貢獻者互動，學(xué)者如何高效、準確、快速地獲取想要的知識，同時尋找在學(xué)術(shù)研究中的志同道合者，如何提高學(xué)術(shù)虛擬社區(qū)的知識交流與共享度，都是現(xiàn)階段對于學(xué)術(shù)虛擬社區(qū)研究需要考慮的問題。
　　本論文基于對學(xué)術(shù)虛擬社區(qū)、用戶生成內(nèi)容(UGC)、Web數(shù)據(jù)挖掘、知識推薦等

3、相關(guān)研究的學(xué)習(xí)，通過對學(xué)術(shù)虛擬社區(qū)和UGC研究，對其概念分別進行了界定，提出了學(xué)術(shù)UGC概念，從內(nèi)容、用戶和鏈接的維度分析了學(xué)術(shù)UGC不同于其他UGC的特性。將Web數(shù)據(jù)挖掘中的內(nèi)容挖掘和結(jié)構(gòu)挖掘用于學(xué)術(shù)UGC的挖掘中，使用基于語義加權(quán)的K-均值聚類實現(xiàn)學(xué)術(shù)UGC內(nèi)容的挖掘，并建立了學(xué)術(shù)虛擬社區(qū)顯性知識推薦模型;優(yōu)化學(xué)術(shù)虛擬社區(qū)中用戶距離的計算方法，推導(dǎo)出改進后的PageRank2.0算法進行學(xué)術(shù)UGC鏈接挖掘，建立了學(xué)術(shù)虛擬社區(qū)隱性知

4、識推薦模型，為用戶推薦具有相同研究興趣的其他用戶。
　　最后，使用UChome網(wǎng)站建設(shè)工具搭建了以“數(shù)據(jù)挖掘”為主題的學(xué)術(shù)虛擬社區(qū)，共分析23個用戶共250篇博文。通過對250篇博文做文本和鏈接分析，進行文本聚類和用戶權(quán)威度計算。學(xué)術(shù)UGC經(jīng)過文本預(yù)處理和特征表示后，對各博客的特征表示集合進行文本相似度計算并得出相似矩陣，最后對相似矩陣采用K-means算法進行聚類;對學(xué)術(shù)UGC中的入鏈鏈接進行分析，并列出入鏈鏈接矩陣，算出每位用