5个研究背景和意义示例,教你写计算机社会关系论文

今天分享的是关于社会关系的5篇计算机毕业论文范文, 如果你的论文涉及到社会关系等主题,本文能够帮助到你

基于位置的隐私保护及个性化推荐方法研究

这是一篇关于差分隐私,社会关系,位置推荐,个性化,多因素融合的论文, 主要内容为随着手机定位技术和移动社交网络的快速发展,人们的生活方式发生了巨大的变化,人们开始越来越乐忠于在互联网上分享自己的生活,而这也直接或间接的导致了位置社交网络的广泛运用。另外,通过大量的研究发现,分析海量的用户位置数据,并为用户提供个性化的位置推荐,不仅能够为用户发现感兴趣的地点,还能够提高推荐系统的用户体验,为开发者争取到良好的口碑。虽然准确的位置推荐能够方便人们的生活,但是海量位置信息的分析运用,也不可避免的会带来隐私泄漏问题。因为个人位置信息能够反映出一个人的生活作息、个人偏好,甚至是患病历史。这些位置信息如果被不法攻击者获得那将是非常危险的。因此,在进行个性化位置推荐的同时,对用户的位置信息进行隐私保护也是推荐系统的一个重要环节。目前,在基于位置的推荐系统中,差分隐私凭借着能够抵御强大背景知识攻击的特点,已经成为保护用户隐私数据最为有效的策略和方法。然而高强度的隐私保护同样也会带来数据可用性降低,推荐质量不高的问题。本文针对上述问题,提出了一种融合距离加权和社交网络的差分隐私保护方法(DWSNP)。该方法首先根据用户签到位置与离其最近的签到中心之间的距离,对用户的原始签到位置注入不同级别的噪声;之后根据目标用户与好友之间的社会关系,对用户的好友位置信息添加不同程度的噪声,最终达到保护用户以及好友位置隐私的目的。通过对比实验,验证了本方法不仅有效地保护了用户和好友的位置隐私信息,还提高了数据的可用性。此外,基于隐私保护的位置数据信息,更有利于用户的推荐服务。近些年来有关位置推荐的方法研究不断发展,推荐系统的准确率越来越高,然而大部分的推荐方法,都存在着个性化推荐程度不够高,未有效地融合多种影响因素等问题。本文针对上述问题,提出了一种多因素融合的个性化位置推荐方法(MFFL)。该方法有效融合了地理位置因素、位置流行度因素、社交关系因素、时间因素、天气因素、类别偏好因素等,充分考虑了各因素对推荐效果的影响,最后通过对比实验,证明该方法可以有效地提高推荐系统的准确率、召回率和F值。

个性化旅游服务推荐方法

这是一篇关于个性化旅游服务推荐,隐式反馈,用户画像,跨领域矩阵分解,社会关系的论文, 主要内容为随着互联网以及信息技术的发展,在线旅游业作为新兴产业受到越来越广泛的关注和使用。然而,由于信息过载带来的问题,用户往往需要花大量时间选择适合自己的旅游服务。目前在线旅行商提供的解决方案仍停留在提供过滤器、按价格排序、按评分排序等初级手段,无法做到针对用户的个性化推荐。正是在这种背景下,文章针对旅游业中推荐系统的使用展开研究。与传统的推荐系统中的书籍、电影、音乐等对象的推荐相比,旅游业中产品的推荐具有其特殊性,主要表现在数据的稀疏性、隐式反馈以及物品固有属性对用户决策的重要性上。基于旅游服务推荐的特殊性,文章首先针对旅游业中的酒店推荐问题进行研究。通过分析用户的历史订单记录,提取出对用户决策具有较大影响的属性,组建出用户画像。同时,为了增加用户画像在数据较少时的表达力,文章中还引入了机票领域的数据,组建了跨领域的用户画像,并将用户的酒店选择问题定义为基于用户画像和酒店特征的回归问题。此外,文章中还提出了一种基于组合隐式和显式特征的推荐方法,该推荐方法是适用于旅游业产品推荐的通用方法。通过将基于跨领域矩阵分解的隐因子分析以及旅游业产品显式特征进行结合,该方法既能有效反映出用户与产品间潜在的联系,又能体现出用户对旅游业产品固有属性的偏好程度。实验证明,组合隐式和显式特征的推荐方法在数据较稀疏时表现突出,而基于用户画像的推荐方法在数据较充足表现出更大的发展潜力。文章提出了旅游业中的社会关系,购买过同一产品的用户被认为是具有较强社会关系的。通过类比协同过滤中的相似性,旅游业中的社会关系可以用来对用户—物品的评分数据进行预填充,从而减小数据稀疏性带来的挑战。实验证明,引入旅游业中的社会关系能给基于用户画像以及基于组合隐式和显式特征的推荐方法的效果都带来提高。

融合特定情境下的用户画像与用户社会关系的个性化推荐研究

这是一篇关于用户画像,情境感知,社会关系,个性化推荐的论文, 主要内容为随着互联网的普及与发展,不同种类的网络数据出现了海量增长的趋势。大规模的数据量虽然在一定程度上满足用户的信息获取需求,但随之也带来了“信息过载”困境。为缓解此困境,推荐系统应运而生,其中具有信息过滤和数据挖掘功能的推荐系统可以根据目标用户的历史偏好在海量的网络资源中找到符合目标用户需要的资源,进而将该资源进行推荐。在推荐系统中,协同过滤推荐算法是目前应用最为广泛的推荐算法。此算法普遍应用于电子商务、电影推荐等领域,但传统的协同过滤推荐算法只考虑了用户对项目的评分记录,根据评分的相似性确定最近邻用户,进而将最近邻用户的资源推荐给目标用户。在该推荐过程中,由于评分矩阵的稀疏性,造成选取的最近邻用户的质量不高。其次,该算法也没有考虑目标用户自身的情境因素和偏好特征以及项目的属性特征。因此传统协同过滤推荐算法在推荐过程中,虽然可以处理各种数据类型的资源,但是推荐结果往往不尽人意。针对上述问题,本文提出了融合特定情境下的用户画像与用户社会关系的个性化推荐算法。本文的主要内容如下:(1)针对传统协同过滤算法忽略目标用户所处的情境及其自身偏好的问题,本文根据用户喜欢的历史产品特征数据以及对产品的在线评论数据,引入用户画像技术,旨在有效地提取目标用户的偏好特征,并利用空间向量模型将用户偏好向量化;其次,为了更精准的刻画用户偏好,本文引入情境感知技术,利用信息熵理论,分析不同情境因素对用户选择产品时的影响程度,从而确定用户在特定情境下的用户偏好;最后将用户画像与情境感知融合到协同过滤算法中,形成特定情境下的用户画像与协同过滤融合的推荐算法。(2)针对传统协同过滤算法最近邻用户的选取质量不高的问题,本文从用户的社会关系角度出发,挖掘与目标用户相关联的近邻用户排序。首先,根据用户间的关联关系构造用户间网络有向图,以关联规则的置信度作为图中有向边的权重,并根据此加权有向图建立转移矩阵;其次,结合Page Rank算法计算用户在社交关系中的实际权重,将权重较高的用户定义为目标用户的最近邻用户;最后,结合特定情境下的用户画像,形成融合特定情境的用户画像和用户社会关系的个性化推荐算法,以更全面地解决用户“信息过载”问题。(3)实证研究。为验证本文提出的融合特定情境的用户画像与用户社会关系的个性化推荐算法,以现实中的电影推荐为研究对象,分别分析传统的基于用户的协同过滤算法、融合用户情境因素和用户画像的推荐算法以及融合特定情境下的用户画像和用户社会关系的推荐算法的推荐对比,实验结果显示,本文所提的算法在召回率、准确率和1综合值上均有较明显的优势。本研究为个性化推荐提供了可借鉴的思路,也为用户和企业提供了一条获取信息的双向途径,具有一定的实际应用价值。

应用于公安领域的社会关系分析系统的设计与实现

这是一篇关于公安领域,社会关系,Neo4j图形数据库,要素化的论文, 主要内容为公安机关预防犯罪、打击犯罪的职责使其对信息挖掘、数据分析等方面工作的科技支撑提出了越来越高的要求。而传统的应用于公安领域的系统,其支撑数据库数据资源种类单一、系统扩展性差、关系分析能力弱,并不能满足实际工作需要。随着科学技术的进步,许多商用领域的社会关系分析软件的迅速发展为应用于公安领域的社会关系分析系统的建设提供了良好的借鉴。面向大数据环境的公安领域的各项研究都在快速发展阶段,在这个背景下开展应用于公安领域的社会关系分析系统的设计与实现,是顺应科技发展并符合公安实战工作需要的。本论文进行了应用于公安领域的社会关系分析系统的业务分析,完成了社会关系数据库的建模工作,并研究了对社会关系分析系统的优化、实现和验证。本文进行的研究工作如下:(1)应用于公安领域的社会关系分析系统的业务分析。本论文紧密贴合公安实战工作特点,结合国内在商用、警用相关技术方面取得的研究成果,分析现有的各种建设模式在信息采集、数据模型架构、数据库的存储、性能和维护方面存在的不足,提出系统在整体架构的设计上有哪些方面需要对应进行优化。(2)设计社会关系分析系统数据库的系统架构。本论文结合前期的业务分析,重点突出了社会关系分析系统数据库,从数据库设计的基本思路、核心思想、系统架构等方面,研究图形数据库的设计与优化,包括信息采集与规范、数据要素化定义与要素库实现过程、溯源库设计与实现等,以此解决传统警用系统在建设模式上存在的问题不足,实现合理的存储、维护、访问方案,解决系统性能方面的需求。(3)应用于公安领域的社会关系分析系统的优化、实现和验证。本论文通过上述设计并搭载应用平台,实现了面向海量数据的信息采集、入库,数据库的构建、维护和访问,预期的应用功能和对性能的需求。通过对硬件选型测试和应用测试,对社会关系分析系统的数据处理能力、命令执行效率等方面给出了直观的结果数据。通过和已投入使用的同类型警用系统进行数据处理能力、命令响应速度等方面的比较证明了本论文研究的成果性。本论文基于公安领域的职业特点设计,最主要的成果就是设计了适合警用的社会关系分析系统。提高了面向大数据背景下的数据库信息采集与处理能力,改良了警用数据库的存储、维护、访问模式,实现了前期应用功能的需求,缩短了命令执行的时间,减少了高并发的故障率。本论文的结果对正在发展的警用大数据研究具有一定的参考价值。