摘要：【目的】对众包社区中用户及任务特征进行分析,识别出众包用户的潜在兴趣偏好。【方法】在现有研究的基础上,本文运用敏感性分析方法研究了众包用户对各任务属性特征的敏感性程度,并结合二部图原理构建相应的众包用户潜在偏好挖掘模型,挖掘出众包用户行为规律中所包含的隐性偏好信息,并通过实验分析说明了该模型的有效性。【结果】本文提出的模型可以有效识别众包用户对于Books、Software、Music等属性特征的敏感性程度,并挖掘出用户对于Pyrex Oblong Roaster、Oxford、Cashback等任务的潜在偏好,预测其选择倾向。较传统协同过滤算法相比,具有更小的MAE值。【局限】本文偏好挖掘模型仅从竞赛型众包环境中的用户角度出发,尚未考虑到协作型众包中不同用户的兴趣特征间的互补。【结论】本文模型不仅能够全面准确理解众包用户兴趣偏好,还能挖掘众包用户潜在的偏好信息,使得众包任务的分配更具有针对性,从而增加众包任务分配的准确性。

摘要：[目的/意义]面向出版业进行专业领域出版时的选题决策问题,对互联网上公开的资讯动态进行多源整合,通过多维度的情报分析探测专业领域内的热点,实现数据驱动的出版选题决策,为出版业的数字化转型与发展奠定坚实基础。[方法/过程]设计一个情报分析模型,面向出版选题决策进行专业领域的热点探测。模型包含热点发现与热度评价两个过程。热点发现过程,通过词频统计和词增长速度算法对专业领域内的热点进行识别;热度评价过程,从内容层面和传播层面两个维度设计并计算一系列指标,对识别到的热点进行热度评价与排序。[结果/结论]以2018年1月至4月的36550条信息、通讯和技术领域多源中文信息为样本进行热点探测实验,实验结果表明,设计的热点探测模型可以有效地探测专业领域内的热点,辅助出版业科学地进行专业领域选题决策。

摘要：数字人文类众包抄录项目对文化遗产的转录、存储、传播和发展而言具有重要意义。由于该类型的项目具有专业性高、任务量大等特点,因此保证抄录质量、提高任务绩效是优化众包抄录的主要任务之一。本文以国内具有代表性的数字人文类众包抄录平台--盛宣怀档案众包抄录项目为例,选择了准实验的研究方法,探讨不同任务复杂度和领域知识水平下,众包抄录任务的绩效差异。研究结果表明,任务复杂度和领域知识水平及两者之间的交互作用均影响数字人文类众包抄录平台中的任务绩效。研究结论为国内数字人文类众包平台的建设提供了任务设计、参与者招募及任务匹配等方面的实践建议。

摘要：文章通过梳理Science 2.0与公众科学的概念框架、辨析两者内在逻辑联系,归纳出基于全局观的3C整合视角:开放科学传播(Communication)、开放群智协作(Collaboration)、开放数据监护(Curation)。在3C视角基础上,通过分析公众项目自身性质与特点得出了关于公众科学项目设计的9大准则,为公众科学项目设计提供了初步的理论框架与实践指导。

摘要：【目的】基于用户网络评论构建有效的评分预测模型,挖掘用户消费行为特征。【方法】基于LDA模型,量化用户评论为主题特征向量作为解释变量,将用户评分作为被解释变量,采用XGBoost算法,并加入样本扰动和属性扰动生成多个模型进行集成,构建用户评分预测模型。【结果】针对某汽车门户网站的用户评论评分预测结果表明,该模型较好地揭示了用户对汽车商品的偏好。较逻辑回归、随机森林算法,其预测准确度分别高出13.73%、0.64%,且具有较高的计算效率。【局限】未融合其他方面的数据对用户行为特征进行更全面的刻画。【结论】将用户评论量化为主题特征向量,基于XGBoost算法能够准确、高效地预测用户评分。

摘要：目前针对公众科学项目的游戏化设计尚未形成系统性的评价指标体系。文章从公众科学项目自身特征出发,梳理了评价指标相关文献,构建了科研众包视角下公众科学项目游戏化设计评价指标体系,其主要包含教育目标、科学目标、游戏交互体验、系统保障4个维度共计22项评价指标。在收集专家数据,利用层次分析法确定各指标权重系数后发现,教育性和科学性仍是公众科学项目游戏化设计中的主要考量因素,而用户游戏交互体验和系统保障则居于次要地位,研究人员更倾向于将游戏化作为辅助设计手段。文章最后将评价指标体系应用于Foldit项目的游戏化设计评估,尝试了现有公众科学项目游戏化设计中存在的游戏体验欠佳等问题,并对未来该领域的游戏化设计提出了若干建议。

摘要：文章从游戏化的角度考察了相关要素对用户参与公众科学项目所发挥的激励作用。首先,对游戏化及其在公众科学平台中的应用进行文献梳理。随后,将公众科学平台的16个游戏化要素划分为任务设计、交互设计、反馈设计和奖励设计4个维度,并对其进行信度和效度分析。接着,利用Kano模型将公众科学平台游戏化要素归类为魅力质量、一维质量、必备质量、无差异质量和反向质量,并计算其决策权重。研究结果显示奖励设计维度中的任务完成奖励和阶段奖励、交互设计维度中的排名、任务设计维度中的难度标识和故事情节、反馈设计维度中的实时信息反馈的决策权重较高。最后从这四个维度分别对公众科学平台的游戏化设计提出了对策建议。

摘要：推荐系统能够有效解决用户面临的信息过载问题。移动环境下,用户对信息的需求随着情境变化而不断变化,而且不同情境下,具有共同兴趣的用户形成了不同的群组。因此,文章提出了基于用户共同兴趣的情境感知信息推荐方法。首先设计了基于散列的共同兴趣挖掘算法获取用户群组的共同兴趣特征;然后根据共同兴趣关联,计算用户和项目的关联度,并通过共同兴趣协同预测用户对项目的偏爱程度;最后综合以上两个因素进行情境感知的信息推荐。实验表明,提出的情境感知信息推荐方法在推荐质量和效率上均优于现有方法。

摘要：[目的/意义]提取用户移动端网络搜索系统使用及切换的完整路径,揭示不同网络搜索系统使用路径在过程、结果等方面的差异。[方法/过程]采用实验研究法,并结合问卷与访谈,从移动端搜索系统使用的视角,设计两个不同主题下的复杂搜索任务,以搜索系统作为节点对用户的搜索系统使用路径进行提取,运用聚类分析方法,发现并总结移动端用户搜索系统使用路径的多种特定模式,从搜索过程、搜索结果、探寻式搜索表现3个方面对每种模式进行评价和分析。[结果/结论]移动端用户在不同的任务主题下对搜索系统的偏好存在差异,用户搜索系统使用路径存在特定的模式,不同模式下的用户对搜索路径的评价存在差异。

摘要：【目的】基于"信念–愿望–意图"(BDI)模型分析网民在突发事件网络舆情中行为决策的动因和发展规律,引导网民情绪,建立复杂网络情境下可推理、可预测的应急响应计算模型。【方法】基于"信念–愿望–意图"模型建立起网络舆情演变过程中各类主体(网民、政府、媒体)的多Agent交互模型,对网民的心智状态的转换过程建模仿真,从而揭示网络舆情演变的内在动因,支持应急响应策略的科学制定。本文以突发事件网络舆情中网民情感倾向性为核心,面向网民、政府、媒体的交互,设计BDI-Agent概念模型,包括Agent语境和推理规则设计;在此基础上设计实证模型,包括Agent属性、推理规则和交互规则设计,并结合实际案例进行验证。【结果】结合典型突发事件网络舆情案例进行实证研究,验证本文提出的多Agent模型的科学性。【局限】该模型需要更多同类事件的对比和优化。【结论】可以基于BDI模型将复杂的网络舆情映射为一个可以规约推理的计算模型,并为突发事件网络舆情演变趋势的预测和应急策略的制定提供一套可参考的实证模型。