科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的/意义]为促进虚拟学术社区知识流转效率，弥补当前针对核心用户群组识别及动态兴趣漂移关注不足的问题，本文构建融合多维特征与兴趣漂移的虚拟学术社区群推荐模型。[方法/过程]以“科学网”为研究对象，从网络传播维度和网络结构维度出发，运用改进的信息熵公式综合识别核心用户并聚类发现用户群组。在此基础上，融合群组兴趣特征向量，基于滑动时间窗口和非线性遗忘曲线分析群组兴趣漂移过程，根据动态兴趣漂移结果进行群组推荐并验证该模型的适用性。[结果/结论]实验结果表明，该模型基于用户多维特征可以准确识别核心用户并能很好地反映群组兴趣漂移特征，同时，本文提出的群组推荐算法相比传统算法在推荐结果的准确率上明显提升。
- 单位
