融合内容与关系的学术社交媒体上跨学科用户推荐模型研究
来源：图书情报工作杂志2020年第9期北京时间：
作者：吴小兰,章成志
单位：1 南京师范大学新闻与传播学院网络与新媒体系 南京 210046;<br />\r\n2 南京理工大学经济管理学院信息管理系 南京 210094
摘要：[目的/意义] 在学术社交媒体快速发展的今天，开展跨学科研究或者寻求跨学科合作时，很多科研合作起始于社交媒体上的相识或关注，因此开展社交媒体上跨学科用户推荐非常有意义。社交媒体上主要存在"媒体"（代表内容）、"社交"（代表关系）两大类数据，因此本文开展了融合内容与关系的社交媒体跨学科用户推荐。[方法/过程] 在基于向量空间模型的用户表示之后，本文借助用户内容信息计算用户领域专业度，根据关系数据测度用户跨学科距离，同时结合用户关系网络PageRank值给出推荐结果。[结果/结论] 以科学网为例，实现"图书情报""计算机""新闻与传媒""高等教育""生物学"这5个领域内的跨学科用户推荐，并经人工实验测试检验，表明推荐结果在一定程度上能满足推荐需求。
关键词：跨学科用户,推荐模型,跨学科距离,学术社交媒体,
基金资助：本文系国家社会科学青年基金项目"社交媒体视域下的跨学科用户发现及其推荐研究"（项目编号：17CTQ047）研究成果之一。
