Web社区管理研究综述

计算机科学与探索 ›› 2011, Vol. 5 ›› Issue (2): 97-113.

Web社区管理研究综述

何镝¹, 彭智勇², 梅晓茸²

1. 武汉大学软件工程国家重点实验室, 武汉 430072
2. 武汉大学计算机学院, 武汉 430072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-02-01 发布日期:2011-02-01
通讯作者: 何镝

Brief Survey of Web Community Management Research

HE Di¹, PENG Zhiyong², MEI Xiaorong²

1. State Key Laboratory of Software Engineering, Wuhan University, Wuhan 430072, China 2. School of Computer, Wuhan University, Wuhan 430072, China

Received:1900-01-01 Revised:1900-01-01 Online:2011-02-01 Published:2011-02-01
Contact: HE Di

摘要/Abstract

摘要： 随着互联网不断增长, 对Web社区这种新的社会交流应用形式进行研究具有重要的意义, 并引起人们广泛关注, 但其理论研究仍然落后于实践。通过讨论Web社区的定义, 对比分析国内外的研究现状, 对Web社区管理的研究主要集中在建模、社区发现、用户交互和推荐等领域, 其中社区发现和推荐研究充分利用了Web社区具有关系和协同的特点。总结相关研究成果, 并从服务管理、声誉管理和社会搜索三个方面对未来的研究趋势进行了展望。

关键词: Web社区, 社区管理, 社区模型, 社会网络分析, 社区发现, 推荐系统

Abstract: The Web is ever growing with various communities which have been greatly meaningful. There have been many researches in this field but the theoretic research is still far behind the stage of practice. This paper analyzes the definition of community and the related works about community model, community detection, user interaction and recommendation system, especially with the aspect of relationship and mass collaboration in social networks, describes the challenging problems and presents the promising research trends of service management, reputation management and social search.

Key words: Web community, community management, community model, social network analysis, community discovery, recommendation system

何镝1 , 彭智勇2 , 梅晓茸2 . Web社区管理研究综述[J]. 计算机科学与探索, 2011, 5(2): 97-113.

HE Di¹, PENG Zhiyong², MEI Xiaorong². Brief Survey of Web Community Management Research[J]. Journal of Frontiers of Computer Science and Technology, 2011, 5(2): 97-113.

[1]	武家伟, 孙艳春. 融合知识图谱和深度学习方法的问诊推荐系统[J]. 计算机科学与探索, 2021, 15(8): 1432-1440.
[2]	刘文星, 范敏, 李金海. 网络形式背景下的社区划分方法研究[J]. 计算机科学与探索, 2021, 15(8): 1441-1449.
[3]	高仰, 刘渊. 融合知识图谱和短期偏好的推荐算法[J]. 计算机科学与探索, 2021, 15(6): 1133-1144.
[4]	端祥宇, 袁冠, 孟凡荣. 动态社区发现方法研究综述[J]. 计算机科学与探索, 2021, 15(4): 612-630.
[5]	邢长征，郭亚兰，张全贵，赵宏宝. 融合短文本层级注意力和时间信息的推荐方法[J]. 计算机科学与探索, 2021, 15(11): 2222-2232.
[6]	冯勇，张冰茹，徐红艳，王嵘冰，张永刚. 结合改进差分进化和模块密度的社区发现算法[J]. 计算机科学与探索, 2020, 14(6): 1070-1080.
[7]	李广丽，滑瑾，袁天，朱涛，邬任重，姬东鸿，张红斌. 基于用户偏好挖掘生成对抗网络的推荐系统[J]. 计算机科学与探索, 2020, 14(5): 803-814.
[8]	王玮皓，陈松灿. 双曲因子分解机[J]. 计算机科学与探索, 2020, 14(4): 590-597.
[9]	刘忠慧，邹璐，杨梅，闵帆. 启发式概念构造的组推荐方法[J]. 计算机科学与探索, 2020, 14(4): 703-711.
[10]	陈可佳，陈利明，吴桐. 多层网络社区发现研究综述[J]. 计算机科学与探索, 2020, 14(11): 1801-1812.
[11]	王绍卿，李鑫鑫，孙福振，方春. 个性化新闻推荐技术研究综述[J]. 计算机科学与探索, 2020, 14(1): 18-29.
[12]	李幸幸，刘华锋，景丽萍. 混合秩矩阵分解模型[J]. 计算机科学与探索, 2019, 13(7): 1114-1122.
[13]	王宇琛，王宝亮，侯永宏. 融合协同过滤与上下文信息的Bandits推荐算法[J]. 计算机科学与探索, 2019, 13(3): 361-373.
[14]	和凤珍，石进平. 非均匀划分拟阵约束下的多样性推荐方法[J]. 计算机科学与探索, 2019, 13(2): 226-238.
[15]	凤丽洲，覃悦，杨贵军. 节点局部Fiedler向量中心性差值社区发现算法[J]. 计算机科学与探索, 2019, 13(12): 2029-2042.