科研网络社区中非正式学术交流通过对正式学术交流的补充，使得科研学者可以获 得更全面的科研学术交流途径，且进行有效合作。但是，科研网络社区存在着信息不对 称和信息超载现象。如何让科研学者获得有效信息并进行高效率的学术交流，就需要对 科研学者进行个性化推荐。为此，本文通过用户画像的方法提取科研网络社区中用户的 特征来分析用户的不同需求，从而进行个性化推荐。 本文对用户画像方法和推荐技术进行了总结，采用用户画像的方法分析用户的特征 从而对科研网络社区的用户进行合作推荐。首先，基于AHP-熵权法对用户影响力进行 评估提取出高影响力用户，接着从用户的自然属性、行为属性和兴趣爱好属性三个维度 对高影响力用户及对应的评论者数据进行关键词的提取，根据用户的不同特性构建用户 的个性化标签来描绘个人画像。其次，构建了基于用户画像的科研网络社区两种推荐模 型：基于用户画像的精准合作推荐和基于用户画像的潜在合作推荐。在基于用户画像的 精准合作推荐中，从用户的主动需求出发，根据用户评论内容的专业相关度、评论内容 的情感兴趣度和评论的长度发现用户的兴趣，把评论者的评论内容进行量化，其中对于 评论内容的专业相关度计算采用TF-IDF算法构建评论内容的专业关键词词典进行匹配， 最后采用CombMNZ数据整合方法得到最终结果进行精准合作用户推荐；在基于用户 画像的潜在合作推荐中，本文从用户的静态特征和动态特征出发，根据用户画像的自然 属性、行为属性和兴趣爱好属性中用户的专业领域、发表的博文和评论的共同好友来探 索用户潜在需求的偏好，采用LDA主题模型计算用户的行为相似度，采用协同过滤的 算法计算用户的兴趣爱好相似度，然后应用线性加权的方法整合以上数据，从而进行潜 在合作用户推荐。最后，本文以科学网为例，对用户进行用户画像的构建，提取用户的 特征分析用户的学术需求，根据用户的不同学术兴趣或合作需求，进行用户的合作推荐。 为了评估实验结果的有效性，本文把基于用户画像的精准合作推荐和基于用户画像 的潜在合作推荐结果进行对比分析，发现推荐结果符合用户的需求，可以帮助用户发现 自己的真实合作需求及潜在合作需求，缓解信息过载的情况，在一定程度上也可以缓解 用户冷启动问题。 关键词：科研网络社区；用户画像；精准合作推荐；潜在合作推荐 研究类型：应用研究 Abstract Informalacademicexchangesintheresearchnetworkcommunitycomplementformal academicexchanges,sothatresearchscholarscanobtainmorecomprehensiveacademic communicationchannelsandcooperateeffectivelywithothers.However,information asymmetryandinformationoverloadexistintheresearchnetworkcommunity.Howtomake researchscholarsobtaineffectiveinformationandcommunicateeffectivelywithothers requirespersonalizedrecommendationsforresearchscholars.Tothisend,thisarticleuses personasmethodtoextractthecharacteristicsofusersintheresearchnetworkcommunityto analyzethedifferentneedsofusers,soastomakepersonalizedrecommendations. Thisarticlesummarizesthepersonasmethodandrecommendationtechnology,anduses thepersonasmethodtoanalyzethecharacteristicsofuserstomakecollaborative recommendationtousersintheresearchnetworkcommunity.Firstofall,basedonthe AHP-EntropyWeightmethodtoevaluateuserinfluencetoextracthigh-impactusers.Next, weextractkeywordsfromhigh-impactusersandcorrespondingreviewerdatafromthree dimensions:theuser'snaturalattributes,behaviorattributes,andhobbiesattributes,different characteristicsoftheusersareanalyzedtoformpersonalizedtagsdepictingpersonalportraits ofdifferentusers.Secondly,webuilttwotypesofrecommendationmodelsbasedonthe personasintheresearchnetworkcommunity:precisecollaborativerecommendationbasedon thepersonasandpotentialcollaborativerecommendationbasedonthepersonas.Inprecise collaborativerecommendationbasedonthepersonas,startingfromtheuser'sactiveneeds, discoveringtheuser'sinterestbasedontheprofessionalrelevanceoftheuser'scomment content,theemotionalinterestofthecommentcontent,andthelengthofthecomment,and quantifyingthecommentcontentofthereviewer,amongthem,theprofessionalrelevance calculationofthereviewcontentusestheTF-IDFalgorithmtoconstructaprofessional keyworddictionaryforthereviewcontenttomatch,andfinallytheCombdataintegration methodisusedtoobtainthefinalresultforprecisecollaborativeuserrecommendation.Inthe potentialcollaborativerecommendationbasedonthepersonas,thisarticlestartsfromthe staticanddynamiccharacteristicsofusers,andexploresaccordingtotheuser'sprofessional fields,publishedblogposts,andcommentsintheuser'snaturalandbehavioralattributesand hobbiesattributes.Basedonthepreferencesofusers'potentialneeds,theLDAtopicmodelis usedtocalculatetheuser'sbehaviorsimilarity,thecollaborativefilteringalgorithmisusedto calculatetheuser'sinterestsimilarity,andthenthelinearlyweightedmethodisusedto integratetheabovedatatomakerecommendationsforpotentialcooperativeusers.Finally, thisarticleusesScienceNetasanexampletoconstructthepersonasforusers,extractuser characteristics,analyzeusers'academicneeds,andmakedifferentcommunicationand cooperationrecommendationsbasedontheacademicusers'differentacademicinterestsor cooperationneeds. Inordertoevaluatethevalidityoftheexperimentalresults,thisarticlecomparesand analyzestheresultsofprecisecollaborativerecommendationbasedonthepersonasand potentialcollaborativerecommendationbasedonthepersonas.Itisfoundthatthe recommendationresultsmeettheuser'sneeds,whichcanhelpusersdiscovertheirtrue cooperationneedsandpotentialcooperationdemand,alleviatethesituationofinformation overload,toacertainextent,itcanalsoalleviatetheuser'scoldstartproblem. Keywords：Researchnetworkcommunity;Persona;Precisecollaborativerecommendation; Potentialcollaborativerecommendation Thesis：ApplicationResearch 目录 1 目录 1绪论.........................................................................................................................................1 1.1研究背景与研究意义.........................................................................................................1 1.1.1研究背景.........................................................................................................................1 1.1.2研究意义.........................................................................................................................2 1.2国内外研究现状分析.........................................................................................................2 1.3研究方法与创新点.............................................................................................................5 1.3.1研究方法.........................................................................................................................5 1.3.2创新点.............................................................................................................................6 1.4论文结构.............................................................................................................................6 1.5技术路线.............................................................................................................................7 2用户画像构建及推荐技术相关理论研究.............................................................................8 2.1用户画像相关理论.............................................................................................................8 2.1.1用户画像构建过程.........................................................................................................8 2.1.2用户画像标签设计.........................................................................................................8 2.1.3用户画像的应用.............................................................................................................9 2.2个性化推荐技术相关理论...............................................................................................10 2.3基于主题的用户推荐模型...............................................................................................11 2.3.1潜在语义分析模型.......................................................................................................11 2.3.2概率潜在语义分析模型...............................................................................................12 2.3.3潜在狄利克雷分配模型...............................................................................................12 2.4本章小结......................................................................