5个研究背景和意义示例,教你写计算机社会影响论文

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

A Group Recommendation System Based on Social Influence

这是一篇关于群组推荐系统,神经网络,数字网络嵌入,相互影响,社会影响,特征提取的论文, 主要内容为在人们的日常社会生活中,参加集体活动是必不可少的一部分。在群组推荐系统中,向一群用户推荐愉快的活动是非常重要的。这项工作的主要挑战是如何学习每个用户的社会影响力,以及如何使他们的相互社会影响力适应不同的群体,从而动态地调整群体的共同项目策略,以捕捉复杂的群体决策过程。然而,这些动态策略对真实而复杂的群体决策建模非常简单。此外,群成员在群中应该偶尔会有影响或负担,用户的负担在不同的群中可能会有所不同。因此,一个理想的群体推荐系统应该能够学习用户的相互偏好。为此提出了一种基于相互社会影响的群体活动推荐系统。特别是,理解个人影响的社会影响并使其共享的社会影响适应各种协会的价值机制,通过获取知识框架来开发独特而深刻的社会影响,并将用户的普遍意识和本地的社会影响和社区结构与事实相结合,以更好地提高对用户社会影响的估计。为了克服偶发群体提供的交集知识的困境和稀疏性,采用奇异值分解和神经网络嵌入的联合模型来降低数据集的稀疏性,并重构矩阵向量,从用户-项目交互和用户-用户交互两个方面进行推荐。从该模式中学习到的知识被用来向同一群组的用户推荐成组项目。采用名为豆瓣的知名事件数据集和一个名为CAMRa2011的公开可用的数据集,在其中提取了相关特征,并对其进行了相关实验。与其他工作相比,取得了最好的成果。在用户推荐系统中,超过了其他方法,HR和NDCG分别提高了8.91%和14.56%左右。此外,在群组推荐系统中,HR和NDCG分别提高了0.68%和9.93%左右。

电子商务中在线问答评论感知有用性影响因素研究

这是一篇关于在线问答评论,社会影响,调节定向,感知有用性的论文, 主要内容为电商时代下,不断创新的消费环境为消费者提供诸多消费选择的同时也加大了消费者网购行为的预测难度,不少学者开始将网购决策影响因素作为研究焦点。当下,为规避网购平台下买卖双方交易分割与信息不对称现象带来的购买风险,消费者已养成从多类型在线评论中获取心仪产品购后评价的消费习惯。在线评论作为影响消费者购买态度/意向/决策/行为等的重要因素,电商平台下买卖双方就其重要性已达成共识。然而,时间推移自然引发的信息超载问题与商家人为不正当干扰行为造成的信息失真问题使在线评论的有用性备受质疑。为此,各大电商平台在Web2.0理念的指导下纷纷在原有在线评论系统上新增了问答评论系统,使消费者可以通过提问与回答实现关于产品知识、购后体验等信息的共享,这种消费者之间的自由随机交流模式在产生初期从信源与信息内容双角度增强了消费者感知信息的有用性。未来时间更迭下海量在线问答评论也不可避免的面临有用性信息的有效管理问题,那么到底哪些因素会影响问答评论的有用性,亟待进一步探究。本研究以电商平台中问答系统发展最早、最完善、使用用户最多的淘宝“问大家”为例,在梳理网络口碑、在线评论、问答网站等相关文献后,从社会影响理论视角探究了在线问答评论特征变量对问答评论感知有用性的作用机制。在调查了412位“问大家”使用对象后,发现问答评论信息性社会影响表征变量(问答评论质量与问答评论标签质量)与问答评论规范性社会影响表征变量(问答评论一致性与问答评论反馈数量)均对问答评论感知有用性有显著的正向影响,且前者影响大于后者。此外,消费者调节定向对上述关系有调节作用,相对于促进定向消费者,预防定向消费者对问答评论质量、问答评论标签质量以及问答评论一致性有更高的感知有用性,对问答评论反馈数量有更低的感知有用性。最后,本文根据研究结果从电商平台视角出发提出对策建议,认为可从提升答案信息质量、科学设计推荐排序、激活社会反馈机制、触发调节定向框架四方面来优化问答评论系统,帮助电商平台提升用户流量,不断增强用户体验感。