Please wait a minute...
Advanced Search
现代图书情报技术  2014, Vol. 30 Issue (2): 48-54    DOI: 10.11925/infotech.1003-3513.2014.02.07
  知识组织与知识管理 本期目录 | 过刊浏览 | 高级检索 |
基于社会网络分析的隐性知识推送服务方法研究
黄微, 高俊峰, 王晨, 齐玥
吉林大学管理学院 长春 130022
Research on a Method of Implicit Knowledge Push Service Based on Social Network Analysis
Huang Wei, Gao Junfeng, Wang Chen, Qi Yue
School of Management, Jilin University, Changchun 130022, China
全文: PDF(1725 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

[目的] 通过引入社会网络分析理论,解决知识推送服务中隐性知识推送不足的问题。[应用背景在数字图书馆数据库的访问日志的环境下,选取24小时内登录用户的知识偏好为实验数据开展研究。[方法] 通过引入“n-团子群”与“点度中心性”概念分析目标用户群,将相似用户的隐性知识需求显性化共现并对相关知识实体加以推送。[结果] 发现推送隐性知识的广度与精准度直接受n-团子群的参数n值影响,将其值设置为2能够保证推送的隐性知识更具颗粒性。[结论] 解决知识推送服务中数据极端稀缺、用户隐含的知识需求获取力度差的问题,促进隐性知识交流。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
高俊峰
齐玥
黄微
王晨
关键词 社会网络分析知识推送n-团子群隐性知识共现    
Abstract

[Objective] Introduce the theory of social network analysis to solve the problem in implicit knowledge push service. [Context] The research is carried out by selecting the knowledge preference of logined users within 24 hours based on the digital library environment. [Methods] "N-cliques " and "centrality degree" are introduced to analyze the target users. Make the similar users' implicit knowledge requirement explicit and push knowledge to target users. [Results] The breadth and accuracy of implicit knowledge pushing performance is directly affected by parameter of "n", and the implicit knowledge pushed is of more granularity when the threshold is set to "2". [Conclusions] Our research solved the issue of extreme scarcity of pushing data and poor performance of users' implicit knowledge acquirement, promoting the share of implicit knowledge.

Key wordsSocial network analysis    Knowledge push service    N-cliques    Implicit knowledge co-occurrence
收稿日期: 2013-08-14     
:  G250  
基金资助:

本文系国家自然科学基金项目“语义网络环境下数字图书馆资源多维度聚合与可视化展示研究”(项目编号:71273111)、国家社会科学基金重大项目“基于语义的馆藏资源深度聚合与可视化研究”(项目编号:11&ZD152)和吉林大学985工程项目的研究成果之一。

通讯作者: 黄微 E-mail:hw9009@sohu. com     E-mail: hw9009@sohu.com
作者简介: 作者贡献声明:黄微:提出研究思路,设计研究方案,起草论文;高俊峰:进行实验以及起草论文;王晨:采集、清洗、分析数据;齐玥:论文最终版本修订。
引用本文:   
黄微, 高俊峰, 王晨, 齐玥. 基于社会网络分析的隐性知识推送服务方法研究[J]. 现代图书情报技术, 2014, 30(2): 48-54.
Huang Wei, Gao Junfeng, Wang Chen, Qi Yue. Research on a Method of Implicit Knowledge Push Service Based on Social Network Analysis. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2014.02.07.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2014.02.07

[1] Breese J S, Heekerman D, Kadie C. Empirical Analysis of Predictive Algorithm for Collaborative Filtering[C]. In: Proceedings of the 14th Conference on Uncertainty in Artificial Intelligence. San Francisco: Morgan Kaufmann Publishers Inc., 1998: 43-52.
[2] Papagelis M, Plexousakis D. Qualitative Analysis of User-based and Item-based Prediction Algorithms for Recommendation Agents[J]. Engineering Applications of Artificial Intelligence, 2005, 18(7): 781-789.
[3] Adomavicius G, Kwon Y. New Recommendation Techniques for Multicriteria Rating Systems[J]. IEEE Intelligent System, 2007, 22(3): 48-55.
[4] 焦玉英, 袁静. 基于WIKI的群体知识共享与创新服务研究[J]. 情报科学, 2008, 26(5): 652-656. (Jiao Yuying, Yuan Jing. Research on the Collective Knowledge Sharing and Innovation Service Based on WIKI[J]. Information Science, 2008, 26(5): 652-656.)
[5] 邓胜利, 冯利飞. Web2. 0环境下网络用户的群体动力分析[J]. 图书情报知识, 2011(2): 78-82. (Deng Shengli, Feng Lifei. The Analysis of Network User's Community Dynamics Under Web2. 0 Environment[J]. Document, Information & Knowledge, 2011(2): 78-82.)
[6] Herlocker J, Konstan J A, Riedl J. An Empirical Analysis of Design Choices in Neighborhood-based Collaborative Filtering Algorithms[J]. Information Retrieval, 2002, 5(4): 287-310.
[7] 邢春晓, 高凤荣, 战思南, 等. 适应用户兴趣变化的协同过滤推荐算法[J]. 计算机研究与发展, 2007, 44(2): 296-301. (Xing Chunxiao, Gao Fengrong, Zhan Sinan, et al. A Collaborative Filtering Recommendation Algorithm Incorporated with User Interest Change[J]. Journal of Computer Research and Development, 2007, 44(2): 296-301.)
[8] 董坤. 基于协同过滤算法的高校图书馆图书推荐系统研究[J]. 现代图书情报技术, 2011(11): 44-47. (Dong Kun. Research of Personalized Book Recommender System of University Library Based on Collaborative Filter[J].New Technology of Library and Information Service, 2011(11): 44-47.)
[9] Carmagnola F, Vernero F, Grillo P. SoNARS: A Social Networks-based Algorithm for Social Recommender Systems[C]. In: Proceedings of the 17th International Conference of User Modeling, Adaptation and Personalization (UMAP2009). 2009: 223-234.
[10] 赵杨. 基于语义网格的数字图书馆知识推送服务系统研究[J]. 情报科学, 2007, 25(12): 1869-1873, 1882. (Zhao Yang. Research on Knowledge Push Service System in Digital Library Based on Semantic Grid[J]. Information Science, 2007, 25(12): 1869-1873, 1882.)
[11] 柳巧玲. 面向企业业务的智能知识推送研究[J].情报理论与实践, 2010, 33(11): 76-79. (Liu Qiaoling. Research on Intelligent Knowledge Push for Enterprise Business[J].Information Studies: Theory & Application, 2010, 33(11): 76-79.)
[12] Lee T Q, Park Y, Park Y T. A Time-based Approach to Effective Recommender Systems Using Implicit Feedback[J]. Expert Systems with Applications, 2008, 34(4): 3055-3062.
[13] Ahn H J. A New Similarity Measure for Collaborative Filtering to Alleviate the New User Cold-starting Problem[J]. Information Sciences, 2008, 178(1): 37-51.
[14] 斯坦利.沃瑟曼, 凯瑟琳.福斯特. 社会网络分析: 方法与应用[M]. 陈禹, 孙彩虹译. 北京: 中国人民大学出版社, 2011: 188-195. (Wasserman S, Faust C. Social Network Analysis: Methods and Applications[M]. Beijing: China Renmin University Press Co., LTD, 2011: 188-195.)

[1] 陈芬,付希,何源,薛春香. 融合社会网络分析与影响力扩散模型的微博意见领袖发现研究*[J]. 数据分析与知识发现, 2018, 2(12): 60-67.
[2] 王忠义,张鹤铭,黄京,李春雅. 基于社会网络分析的网络问答社区知识传播研究[J]. 数据分析与知识发现, 2018, 2(11): 80-94.
[3] 李飞,张健,王宗水. 社会化推荐研究进展与发展趋势演化*——基于文献计量和社会网络分析的视角[J]. 数据分析与知识发现, 2017, 1(6): 22-35.
[4] 范如霞,曾建勋,高亚瑞玺. 基于合作网络的学者动态学术影响力模式识别研究[J]. 数据分析与知识发现, 2017, 1(4): 30-37.
[5] 王曰芬,靳嘉林. 比较分析《现代图书情报技术》近10年发文特征与发展趋势*[J]. 现代图书情报技术, 2016, 32(9): 1-16.
[6] 吴应良, 姚怀栋, 李成安. 一种引入间接信任关系的改进协同过滤推荐算法[J]. 现代图书情报技术, 2015, 31(9): 38-45.
[7] 任妮, 周建农. 合著网络加权模式下科研团队的发现与评价研究[J]. 现代图书情报技术, 2015, 31(9): 68-75.
[8] 谭旻, 许鑫. 学术博客推荐网络的h度实证——以科学网博客为例[J]. 现代图书情报技术, 2015, 31(7-8): 31-36.
[9] 周姗姗, 毕强, 高俊峰. 基于社会网络分析的信息检索结果可视化呈现方法研究[J]. 现代图书情报技术, 2013, 29(11): 81-85.
[10] 梁辰, 徐健. 社会网络可视化的技术方法与工具研究[J]. 现代图书情报技术, 2012, 28(5): 7-15.
[11] 袁园, 孙霄凌, 朱庆华. 微博用户关注兴趣的社会网络分析[J]. 现代图书情报技术, 2012, 28(2): 68-75.
[12] 王继民, 李雷明子, 张鹏. 搜索引擎日志挖掘领域的论文合著网络分析[J]. 现代图书情报技术, 2011, 27(4): 58-63.
[13] 赵文兵, 朱庆华, 吴克文, 黄奇. 微博客用户特性及动机分析——以和讯财经微博为例[J]. 现代图书情报技术, 2011, 27(2): 69-75.
[14] 马超 叶祺 吴斌 石川 佘影. 基于动态链接分析的网络可视化分析平台的设计与实现*[J]. 现代图书情报技术, 2010, 26(6): 60-65.
[15] 张小飞,蔡亚萍,刘威. 络关系数据智能采集系统的设计与实现——基于Web数据挖掘原理[J]. 现代图书情报技术, 2009, (9): 64-69.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn