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
|
李飞, 张健, 王宗水
|
Review of Social Recommendation with Bibliometrics and Social Network Analysis
|
Li Fei,Zhang Jian,Wang Zongshui
|
|
表3 三个阶段推荐系统和社会网络共现系数统计 |
|
|
阶段一 | 推荐系统 | 社会网络 | 阶段二 | 推荐系统 | 社会网络 | 阶段三 | 推荐系统 | 社会网络 | 关键词 | 词频 | 共现系数 | 关键词 | 词频 | 共现系数 | 关键词 | 词频 | 共现系数 | 协同过滤 | 37 | 0.41 | 0.06 | 社会化媒介 | 37 | 0.04 | 0.07 | 协同过滤 | 49 | 0.42 | 0.16 | 个性化 | 29 | 0.34 | 0.09 | 协同过滤 | 37 | 0.38 | 0.30 | 社会化媒介 | 33 | 0.12 | 0.04 | 信誉 | 26 | 0.18 | 0.26 | 算法 | 26 | 0.22 | 0.14 | 基于位置的 社会网络 | 29 | 0.08 | 0.06 | 社会网络分析 | 19 | 0.13 | 0 | 社会网络 分析 | 22 | 0.13 | 0 | 算法 | 18 | 0.04 | 0.08 | 信息检索 | 18 | 0.04 | 0.06 | 社会标签 | 21 | 0.15 | 0.02 | 主题建模 | 16 | 0.09 | 0.06 | 实验法 | 18 | 0.17 | 0.12 | 数据挖掘 | 19 | 0.10 | 0.04 | 社会化推荐 | 15 | 0.11 | 0.09 | 社会标签 | 17 | 0.38 | 0 | 信誉 | 18 | 0.08 | 0.22 | 矩阵分解 | 15 | 0.25 | 0.06 | 数据挖掘 | 17 | 0 | 0.03 | 个性化 | 16 | 0.13 | 0.16 | Twitter | 13 | 0.07 | 0.03 | 算法 | 17 | 0.15 | 0.21 | Twitter | 16 | 0.13 | 0.05 | 个性化 | 13 | 0.17 | 0 | 本体 | 17 | 0.07 | 0.06 | 实验法 | 15 | 0.11 | 0.05 | 位置推荐 | 13 | 0.07 | 0.03 | 自然语言处理 | 16 | 0.04 | 0.04 | 性能 | 14 | 0.14 | 0.11 | 数据挖掘 | 13 | 0.12 | 0.1 | 评估 | 15 | 0.05 | 0 | 聚类 | 14 | 0.07 | 0 | 在线社交 网络 | 12 | 0.1 | 0 | 标签 | 14 | 0.15 | 0.10 | 自然语言 处理 | 13 | 0.02 | 0 | 实验法 | 11 | 0.05 | 0.07 | 社会化 媒介 | 13 | 0.15 | 0.07 | 社会化推荐 | 12 | 0 | 0.03 | 社会影响 | 10 | 0.08 | 0.07 | 互联网 | 12 | 0.05 | 0.07 | 信息检索 | 12 | 0.02 | 0 | 好友推荐 | 9 | 0.03 | 0.11 | 机器学习 | 12 | 0.07 | 0.05 | 本体 | 12 | 0.12 | 0 | 链路预测 | 9 | 0.06 | 0.08 | 人为因素 | 11 | 0.06 | 0.11 | 群推荐 | 11 | 0.03 | 0.06 | 微博 | 9 | 0.09 | 0.04 | P2P | 11 | 0.08 | 0.19 | 评估 | 11 | 0.05 | 0.03 | 社会网络 分析 | 9 | 0.09 | 0 | 信息提取 | 11 | 0.06 | 0.07 | 主题建模 | 10 | 0 | 0.03 | 性能 | 9 | 0.06 | 0 | 信誉 | 10 | 0.06 | 0.31 | 大众分类 | 10 | 0.11 | 0 | 随机游走 | 9 | 0.03 | 0.11 | 合计 | 340 | 2.64 | 1.90 | 合计 | 313 | 2.03 | 1.31 | 合计 | 314 | 2.13 | 1.22 |
|
|
|