虚拟健康社区用户生成内容主题发现及个性化推荐研究

发布时间：2023-01-29 08:45

　　近年来,随着互联网技术的蓬勃发展,网络资源在生活、工作和学习中发挥重要作用,越来越多的用户为高效获取信息和解决问题选择在网络媒体上互动。Web2.0的到来,改变了人们利用信息的模式,用户不仅仅是被动接受信息内容的“受众”,而且可以主动参与到信息生产和传播的过程中,所以,虚拟社区的用户既是信息文化内容的消费者,也是生产者和提供者,虚拟社区因其交流快捷、可编辑性强、使用简单方便受到广大用户的持续关注,为很多有医疗卫生需求的人群提供了帮助。我国经济高速发展,人民生活节奏不断加快,虚拟健康社区因其能够有效帮助用户解决日常生活中健康类需求,成为不少人了解、关注、咨询健康问题的平台,“互联网+医疗”模式将线下资源搬移到线上,患者和医生之间的信息交互在线上平台中完成,大大节省了用户时间,节约线下资源。信息经济发展迅猛,互联网中信息呈爆炸式增长,虚拟健康社区涵盖了大量有价值的信息和知识,为医疗健康领域的知识发现提供了新的研究对象,大数据技术的成熟发展为研究提供了可靠的工具,据此可实现网络环境下虚拟健康社区用户生成内容的主题发现及个性化推荐研究。如何对虚拟健康社区用户生成内容进行知识管理和组织,对用户需... 

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究综述
        1.2.1 虚拟健康社区研究现状
        1.2.2 用户生成内容研究现状
        1.2.3 知识图谱研究现状
        1.2.4 研究现状述评
    1.3 研究内容与研究方法
        1.3.1 研究内容
        1.3.2 研究方法
        1.3.3 论文框架
    1.4 论文创新点
第2章 相关概念及理论基础
    2.1 虚拟健康社区的含义和特点
        2.1.1 虚拟健康社区的含义
        2.1.2 虚拟健康社区的特点
    2.2 用户生成内容的概念和特点
        2.2.1 用户生成内容的含义
        2.2.2 用户生成内容的特点
    2.3 知识图谱概述
        2.3.1 知识图谱的概念
        2.3.2 知识图谱的特点
        2.3.3 知识图谱的应用
    2.4 相关技术理论模型
        2.4.1 Glove词向量模型
        2.4.2 LDA主题模型
        2.4.3 K-Means聚类
第3章 虚拟健康社区用户需求及用户交互分析
    3.1 虚拟健康社区用户的内涵和类型
        3.1.1 虚拟健康社区用户的内涵
        3.1.2 虚拟健康社区用户的类型
    3.2 虚拟健康社区用户需求
        3.2.1 虚拟健康社区用户需求的内涵
        3.2.2 虚拟健康社区用户需求的特点
        3.2.3 虚拟健康社区用户需求的类型
    3.3 虚拟健康社区用户信息交互
        3.3.1 虚拟健康社区用户信息交互的含义
        3.3.2 虚拟健康社区用户信息交互的特征
        3.3.3 虚拟健康社区用户信息交互的形式
    3.4 本章小结
第4章 虚拟健康社区用户生成内容主题识别
    4.1 虚拟健康社区用户生成内容主题识别的目的及意义
        4.1.1 虚拟健康社区用户生成内容主题识别的目的
        4.1.2 虚拟健康社区用户生成内容主题识别的意义
    4.2 虚拟健康社区用户生成内容主题识别的方法及过程
        4.2.1 虚拟健康社区用户生成内容主题识别的方法
        4.2.2 虚拟健康社区用户生成内容主题识别的过程
    4.3 基于语义相似度的关联主题图谱构建
        4.3.1 语义关联主题图谱的提出
        4.3.2 语义关联主题图谱的构建方法
    4.4 实验研究
        4.4.1 数据采集与数据预处理
        4.4.2 基于LDA主题模型的主题识别
        4.4.3 基于K-Means的聚类分析
        4.4.4 基于语义相似度的关联主题图谱构建
    4.5 结论与分析
    4.6 本章小结
第5章 虚拟健康社区用户生成内容主题语义关联个性化推荐
    5.1 个性化推荐的目的及类型
        5.1.1 个性化推荐的目的
        5.1.2 个性化推荐的类型
    5.2 用户生成内容主题语义关联个性化推荐过程
    5.3 用户生成内容主题语义关联个性化推荐模型
    5.4 本章小结
第6章 结论与展望
    6.1 研究结论
    6.2 研究不足与展望
参考文献
作者简介及在校期间所取得的科研成果
致谢


【参考文献】：
期刊论文
[1]基于多知识图谱的中文文本语义图构建研究[J]. 赵一鸣,吴林容,任笑笑.  情报科学. 2021(04)
[2]知识图谱在个性化教学中的应用研究[J]. 马腾,倪睿康,李艳茹,高书林,王彦冰,李馥妍,周子力.  中阿科技论坛(中英文). 2021(02)
[3]基于知识图谱的社交网络用户行为研究进展[J]. 杨晓晖,孙莹.  河北大学学报(自然科学版). 2021(01)
[4]基于聚类和奇异值分解的协同过滤推荐算法[J]. 王红霞,温绍洁.  计算机应用研究. 2020(S2)
[5]企业社会责任价值创造机理研究——基于社交媒体为媒介的视角[J]. 郭洪涛.  技术经济与管理研究. 2020(12)
[6]基于知识图谱的个性化推荐研究[J]. 单佩佩.  电脑知识与技术. 2020(36)
[7]基于知识图谱的医学决策支持应用综述[J]. 朱超宇,刘雷.  数据分析与知识发现. 2020(12)
[8]基于知识图谱的国内科学数据研究热点和趋势分析[J]. 严春来.  电脑编程技巧与维护. 2020(12)
[9]中国“会展旅游”研究现状和热点分析——基于CiteSpace软件的可视化分析（2000—2018）[J]. 徐嘉成,何源.  中国商论. 2020(23)
[10]基于NL2SQL的智能问答系统研究与应用[J]. 张立新,于海亮,张栋栋,张珊珊,郑勇峰.  电脑知识与技术. 2020(35)

博士论文
[1]融合全局和局部特征的文本分类方法研究[D]. 吴玉佳.武汉大学 2020
[2]社交网络中的标签主题识别及社群挖掘方法研究[D]. 白杨.大连理工大学 2018

硕士论文
[1]基于大数据的用户个性化推荐系统设计与实现[D]. 杨宏胜.南京邮电大学 2020
[2]在线患者社区成员的社会资本对社会支持的影响研究[D]. 何功璞.哈尔滨工业大学 2020
[3]在线医疗社区中文本热点主题识别与情感分析方法研究[D]. 刘鑫.重庆邮电大学 2019
[4]健康问答社区主题识别和情感分析研究[D]. 李为.华中科技大学 2019
[5]面向网络敏感信息的主题识别及其情感分析技术研究[D]. 姚海申.中央民族大学 2019
[6]基于用户兴趣与特征信息融合的推荐方法研究[D]. 郑茹.山西大学 2018
[7]虚拟健康社区专家知识融合研究[D]. 李颖庭.武汉大学 2018
[8]虚拟健康社区中的命名实体识别方法研究[D]. 刘凯.北京理工大学 2016
[9]K-均值聚类算法的研究与改进[D]. 刘莉莉.曲阜师范大学 2015
[10]旅游类移动应用的用户需求分析研究[D]. 毛陈诚.武汉理工大学 2013



本文编号：3732682