大数据环境下的网络空间个性化信息构建优化机制研究

Arriving at the stage of big data, although the Web has satisfied our various needs for information and interaction, it also brings us great sensation of space loss and anxiety. Therefore, aiming at optimizing web information space and promoting user experience, the project will analyze typical application scenario and user interaction modes which have main features of personal online behavior and social behavior in different types of websites. Then, it will build an information architecture personalization theoretical system giving priority to research on the web space construction components, interaction patterns and user behavior data. Furthermore, it will deeply focus on the correlation of web big data and personalized content organization, link reconstruction, information recommendation and interaction ways in the personal web space under different web scenarios, as well as the optimization mechanism and realization. the project will also address on how personalized information architecture provides users' rich interaction experience, how good web design can affect users' recognition and emotion to a specific website and how to transfer web interaction to the inner needs and value demands, which finally will ease the contradiction between information resources and effectively usage and forge a virtuous mechanism to promote the extent of personalization for information architecture.

随着大数据时代的到来，网络信息在满足用户多样化信息和交互需求的同时，其泛滥和无序也带给用户严重的空间迷失感和信息焦虑。为此，本项目以优化个性化网络信息空间和提升用户体验为目标，分析用户在不同类型网站以个体在线行为和社群交互行为为主要特征的典型应用场景和行为交互模式，建立以网络空间要素、交互感知手段、影响行为数据为主体的个性化信息构建理论体系；深入研究不同应用场景下所产生的网络大数据与特定用户信息空间的个性化内容组织、链路重构、信息涌现、交互模式之间的内在关联、优化机制和实现方法，特别是从用户体验设计视角，关注个性化信息构建应该如何向用户提供更加丰富的交互体验，如何通过良好的组件设计影响用户的主观认知和情感，从而为缓解信息资源与有效利用之间的矛盾，建立良性的个性化网络信息空间持续优化机制展开深入探索。

项目针对当前网络环境下严重的信息焦虑、多样化的用户需求、复杂的信息行为以及用户空间个性化需求的逐步提升，以实现良好的用户体验为目标，深入研究行为交互驱动下的Web动态信息构建空间组成要素、优化机制和关键技术，包括Web信息行为交互模式及演化研究，动态信息组织模式及导航优化研究，以用户为中心的网络空间优化与个性化推荐策略及关键技术研究和基于用户体验的信息空间构建评价体系研究。.项目按照预定计划，研究用户信息行为模型理论系统，在论述国内外用户信息行为模型发展演变的基础上形成对信息行为理论内涵、情境因素和研究方法的科学认识；其次，建立行为与场景关联的用户信息空间优化框架，以行为为驱动使用户目标、行为场景、构建要素与和服务优化机制相结合。再次，考虑以豆瓣为代表的社会化标签能较为客观反映普遍的用户认知，以此基于本体概念建立社会化标签资源库，并基于图书馆用户借阅数据构建本体兴趣模型，通过与资源本体的相似度匹配实现个性化信息资源组织与服务；然而，由于社会网络环境下存在大量以虚假身份发布的无效或垃圾数据，为保证数据质量，项目在分析社区论坛用户行为模式的基础上，提出基于异常用户识别和垃圾数据过滤的研究方法。在此基础上，重点研究网络信息个性化推荐及分类的关键技术与算法，将大数据技术应用于社会网络用户兴趣个性化推荐系统的数据采集、特征协同过滤、个性化关联匹配和推荐排序等过程，完成平台设计和实验验证。具体到信息分类和信息推荐的优化问题，项目研究了基于对偶随机投影的线性核支持向量机分类器以及结合用户组群和隐性信任的概率矩阵分解推荐方法，有效改善了算法效率。为对信息构建质量形成客观评价，项目还提出了信息空间构建评价三级指标体系，并依托校内图书馆资源服务平台开展可用性评估并提出建设评估建议。下一步将考虑结合更多的应用场景以深化对网络信息空间优化理论和方法体系的研究。

内容获取失败，请点击重试