杨金庆
- 作品数：7 被引量：38H指数：5
- 供职机构：华中师范大学信息管理学院更多>>
- 发文基金：国家自然科学基金国家社会科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：文化科学自动化与计算机技术更多>>
- 网络问答社区中的用户知识转移模式研究——基于MetaFilter AskMe版块的实证分析被引量：7
- 2019年
- 为了探究网络问答社区中用户知识转移的影响要素与作用机理,本文引入社会网络分析法,构建了问答社区知识转移模型。通过分析MetaFilter问答社区人际知识网络结构,结合社会网络分析中的网络密度、结构洞、中心势、平均最短路径、聚类系数指标,揭示强关系紧密网络、强关系稀疏网络、弱关系紧密网络和弱关系稀疏网络4种不同类型的网络结构对问答社区用户知识转移的影响。分析结果表明,强关系稀疏网和弱关系紧密网对问答社区知识的有效转移具有促进作用。结构洞限制度越小,网络越稀疏,用户也会有更多的机会接触到多种异质的知识源;平均最短路径越小,小世界效应越显著,网络中知识交流更畅通;聚类系数过高或者过低都有碍于人际知识网络中知识的转移,接近于整体网络聚类系数将有助于知识的转移,并通过聚类程度指标来测量;网络中心势越大,用户在网络结构中的位置越重要,用户间的联系越紧密,对知识的转移起到显著的影响。但是,社会网络分析指标并不仅由某一个指标对知识转移起决定性作用,而是多个指标共同作用的结果,知识转移的优势网络也存在个别较低指数。探求不同网络结构对问答社区用户知识转移的影响,可以根据各指标系数调节网络结构,提高知识转移效率和效果。
- 夏立新杨金庆叶光辉程秀峰
- 关键词：知识转移社会网络分析
- 移动环境下融合情境信息的群组推荐模型研究——基于用户APP行为数据的实证分析被引量：9
- 2018年
- 为了提高群组推荐模型中推荐结果的准确度问题,本文研究并提出了一种融合情境信息的群组推荐模型。首先,获取用户行为情境数据,同时发掘提取单个用户行为的偏好;其次,计算单个用户行为相似度,进行群组聚类发现;然后,融入情境信息挖掘群组行为特征,并构建群组行为偏好特征向量,最后结合协同推荐思想,将群组作为整体,和其他群组对项目的历史评分进行协同,形成预测评分。在实验中,我们通过分析用户的操作流,提取了主题序列特征,然后融入了经典情境信息,得出推荐结果。结果表明,使用该模型得出的排序靠前(6位)的推荐结果较之传统(非情境)的群组推荐方法具有更高的准确性。因此,该模型更适用于移动环境下的群组推荐。
- 夏立新杨金庆程秀峰
- 关键词：行为偏好
- 数智赋能的科研创新——基于数智技术的创新辅助框架探析被引量：7
- 2023年
- 以ChatGPT(Chat Generative Pre-trained Transformer)为代表的人工智能大模型在文本生成、人机对话等方面展现出了优异的性能。在大模型背景下,大数据、人工智能等数智技术在赋能科研创新方面表现出重要的现实价值。当前的科技信息资源管理和知识服务能够为科研创新提供较为准确的信息以及常规的知识聚合服务,但是仍未能与科研创新活动形成深度融合。同时,科研人员在科研活动中也面临信息处理能力不足、认知能力有限等挑战。据此,本文首先对数智时代科研活动的新特点进行了剖析,然后提出了基于数智技术的创新辅助框架,并对所提出的框架进行了深入分析和探讨,阐述了其在创新全过程中的功能定位、服务模式和关键赋能路径。未来,随着大数据和人工智能技术的不断成熟和进步,数智赋能的科技信息资源管理将进一步嵌入科研创新活动全过程。基于数智技术的创新辅助服务能够为科研人员提供个性化、细粒度的知识和场景化的解决方案,如面向文献阅读、实验设计和论文撰写场景的创新辅助服务,从而更好地服务于科研创新活动。
- 陆伟马永强刘家伟杨金庆程齐凯
- “问题—方法”关联视角下领域知识创新网络演化机制研究——以信息资源管理学科群为例
- 2024年
- [目的/意义]从“问题—方法”关联视角,探究组合创新模式下的领域知识创新网络的演化机制,试图揭示科学知识创新的潜在影响因素,以便辅助科技政策制定,及时开辟创新发展新赛道。[方法/过程]首先选取信息资源管理学科群,识别领域“问题”与“方法”知识单元,然后以“问题—方法”关联为组合单元,构建领域知识创新网络,最后运用以关系为中心的统计建模方法—指数随机图模型对关系形成及关系模式进行建模,分析网络节点属性特征、网络结构特征等多种内生性和外生性因素对领域知识创新网络形成与演化的影响。[结果/结论]研究发现,期刊分散广度较大的“问题”与“方法”类知识单元形成连边的可能性相对较大,学科领域内部的“问题”与“方法”间形成连边的倾向相对较大,刊载在影响力相对较低的期刊上的“问题”与“方法”相对较易形成连边,下载量较高或被引频次相对较低的“问题”与“方法”知识单元之间形成连边可能性较大。
- 杨金庆庞业佳刘智锋李鹏程李洁
- 关键词：知识网络
- 基于情境感知技术的移动数据自动采集系统设计与实现被引量：9
- 2017年
- 【目的】为移动环境下数据采集与分析提供一种基于情境感知技术(Context Awareness)的设计框架,以优化移动数据自动化采集过程。【应用背景】尽管基于移动端的情景感知数据采集较之传统网络环境下的人工与半自动方式有所发展,但利用移动端底层传感器直接获取实时用户信息,实现实时、动态、全面的数据采集与挖掘进而达到主动提供服务的目的,这方面的应用仍处于发展阶段。【方法】利用Android自带的众多传感器,设计了客户端自动采集、服务器主动接收的数据采集框架。在实证与评价方面,设计了一个通过动态情境感知推荐高层服务的实例。【结果】实证结果表明:该系统能够针对某一情境采集移动用户数据,为高层推荐服务提供良好支持。【局限】采集到的数据具有较大的冗余度,未进行多角度、全面、深度的情境推理,需要在以后的研究中针对用户数据进行深入分析。【结论】基于情境感知的移动数据自动采集系统能够进行移动数据的主动采集,并依据采集结果对个体或群体进行推送服务,对移动环境下用户行为研究与情境计算研究都起到较好的支撑作用。
- 夏立新杨金庆程秀峰
- 关键词：情境感知用户行为
- 知识找回场景下推荐系统模拟实现及评价研究被引量：6
- 2019年
- [目的/意义]信息过载一直是知识工作者在搜集、处理和创造知识的过程中所面临的主要困境。这种困境导致的结果之一是很难回忆起曾经使用过的文档的内容细节及具体位置,而推荐系统则能减少这样的困难。通过研究对比不同推荐系统在这一任务下的优缺点,可以帮助知识工作者更好地完成回忆任务。[方法/过程]基于相关理论,在同一场景(知识找回)模拟实现并测试了4种不同类型的推荐过程,包括基于内容的推荐CBR、基于协同过滤的推荐CFR、基于推理网络的推荐INR与融入了情境感知的推荐CAS,根据所确定的若干指标(精确性、情境相关性、预测性、多样性)对推荐效果进行比较。[结果/结论]结果显示,以上推荐系统在帮助用户回忆并找回文档过程中都有各自的优势,而基于情境感知的推荐系统在情境相关性与预测用户行为方面具有较好的效果。
- 程秀峰张孜铭孟亚琪范晓莹杨金庆
- 关键词：信息过载推荐系统情境感知
- 基于动态多任务学习的科技文献推荐模型构建及实证研究
- 2024年
- [目的/意义]为实现科技文献推荐场景要素的交互增强,将各要素交互特性捕捉问题转化为多任务共同优化学习问题,构建基于动态多任务学习的科技文献推荐模型,以进一步提升科技文献推荐性能。[方法/过程]采用多任务学习方法,针对科技文献推荐要素可采集的关键特征进行子任务解构,借助多头注意力机制,进行子任务交互关系的动态学习,在动态学习各任务交互关系的基础上设计科技文献推荐模型。[结果/结论]根据CiteULike数据实验结果,所构建的DMRSTL模型在3个评价指标上均显著优于对比模型,最高差值为AUC指标提升15.51%,MRR指标提升11.90%,nDCG@5指标提升16.45%,且通过任务组合对比实验进一步表明,借助推荐要素的交互增强,可以有效提升科技文献的推荐性能。
- 李洁张国标周毅周毅杨金庆
- 关键词：多任务学习
