基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
尽管用户可自主生成个性化数据以更全面描述个人偏好,但由于用户创建数据不严谨、不可控,导致生成的庞大数据集大多存在质量低、噪声严重的缺陷。因此管理复杂网络信息时,不能仅使用写入性知识,必须重视具有大量领域知识的专家,因为其可为系统提供高质量的信息。本文通过构建和分析用户兴趣分布曲线以发现兴趣领域专家,并提出甄别状态不正常的伪专家算法。由于网络中权威专家数量较少,所以所提供的信息是有限的。因此本文定义的领域专家不仅包含权威专家,而且包含普通用户中对某领域有极高关注的兴趣领域专家。实验证明算法的正确性和高效性,并且较低的复杂度使其可处理海量用户节点信息。
推荐文章
基于用户兴趣的Web服务发现
Web服务发现
用户兴趣
向量空间模型
基于事件关联网络的用户兴趣话题发现算法
话题识别
链接分析
用户兴趣
Bootstrapping算法
关联网络
一种基于社区结构的用户兴趣关联规则发现方法
用户兴趣挖掘
社区结构
关联规则挖掘
维基百科
基于混合行为兴趣度的用户兴趣模型
用户兴趣模型
用户兴趣度
向量空间模型
文本聚类
推荐系统
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于兴趣图谱的用户兴趣分布分析及专家发现
来源期刊 电子学报 学科 工学
关键词 专家发现 兴趣分析 兴趣图谱 复杂网络分析
年,卷(期) 2015,(8) 所属期刊栏目 学术论文
研究方向 页码范围 1561-1567
页数 7页 分类号 TP391
字数 5631字 语种 中文
DOI 10.3969/j.issn.0372-2112.2015.08.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 左万利 吉林大学计算科学与技术学院 88 1273 20.0 31.0
5 国琳 吉林大学计算科学与技术学院 2 18 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (11)
同被引文献  (23)
二级引证文献  (4)
1905(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(5)
  • 引证文献(5)
  • 二级引证文献(0)
2019(5)
  • 引证文献(2)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
专家发现
兴趣分析
兴趣图谱
复杂网络分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
论文1v1指导