胡吉明，男，2012年毕业于武汉大学信息管理学院信息资源管理专业，获博士学位。学位论文获评2013年湖北省优秀博士学位论文。现在武汉大学信息管理学院工作。研究兴趣为信息推荐、智慧政务等。

　　《武汉大学优秀博士学位论文文库：社会网络环境下基于用户关系的信息推荐服务研究》从信息服务的社会化变革出发，根据当前社会化网络服务的发展和运行状态，分析基于社会化行为而形成的用户关系网络结构及演化特征，及其对信息服务的社会化进程和信息流机制的影响；在用户关系社区内，基于主题层次树进行用户需求偏好建模和更新；根据当前环境下信息资源文本内容的特点，基于LDA主题模型、SSVM和HS-SVM，展开资源文本建模和分类基础上的语义关联，实现用户-资源-特征词的三部关联；加权混合二部关联图构建三部关联图，基于物质扩散和热传导理论，进行推荐列表生成；最后，从网络应用和学术知识社区两个角度进行案例与实证分析，深化研究工作。文中附有图98幅，表34种。

　　《武汉大学优秀博士学位论文文库：社会网络环境下基于用户关系的信息推荐服务研究》：
　　②低门槛平等化传播。在技术上，“开放共享”为社会化网络服务的重要特征和运作理念，任何用户都可以在社会化网络服务平台上开展相应的信息行为，如信息发布、获取、分享、传递等，实现了用户服务应用的零门槛。在社会关系上，将用户身份进行虚拟化，从而大大消除了用户在现实生活中的不平等，赋予了用户平等的信息获取和发布权利，使用户以平等自由的身份互动交流，没有明显的主次之分，也没有中心和边缘之分。在一定程度上，社交网络将权威中心化的主体意识淡化，更加注重异质性资本的流动和分享，颠覆了传统传播方式以信息源为中心的线性模式，演变为以用户为中心的互动传播模式。
　　在这种“大众创造内容”的环境下，特别是微博这种“自媒体”形式的发展，用户个人都在“自媒体”的放大下成为信息的即时生产者、接受者和分享者：低门槛和“去中心化”产生了大量的信息碎片分散了用户的注意力。因此，旨在聚合碎片化的信息和用户的信息聚合推荐应运而生，利用聚合的用户关系分享知识，实现信息的准确推荐②，也成为社会化推荐的一个重要环节。
　　③信息级联增值传播。在社交网络中，信息传播表现为两种极端的传播模式：一是一次性消亡模式，如果信息发布后没有被分享和传播，其信息传播过程已经结束，消失在信息海洋中；二是裂变中的级联传播，信息因其重要价值性，一经发布则在不同用户之间和用户群体之间呈级数般多次传播，通过用户关系链条对信息进行过滤和加工，特别是在用户彼此成为好友并聚集为有机的好友群体时。
　　……

第1章 绪论
1.1 选题背景
1.1.1 社会化网络服务中的现实问题
1.1.2 社会网络环境下的服务理论发展
1.2 研究意义
1.2.1 理论意义
1.2.2 现实意义
1.3 国内外研究现状
1.3.1 国外研究进展
1.3.2 国内研究进展
1.3.3 研究现状评析
1.4 研究内容、方法与创新点
1.4.1 研究内容
1.4.2 研究方法
1.4.3 研究创新点

第2章 社会网络环境下的用户关系及其演化
2.1 社会网络环境下基于用户关系的服务构架
2.1.1 社会网络环境下网络服务的社会化发展
2.1.2 基于用户关系的社会化网络服务构架
2.2 社会化网络服务中的用户关系形成与演化
2.2.1 网络服务中的用户关系形成
2.2.2 社会化网络服务中的用户关系结构
2.2.3 社会化网络服务中的用户关系演化
2.3 社会网络环境下用户关系的仿真描述
2.3.1 用户关系网络的拓扑结构
2.3.2 用户关系扩散的指数规律
2.4 本章小结

第3章 社会化网络服务中基于用户关系的信息传播
3.1 社会网络环境下的信息传播机制
3.1.1 社会网络环境下的信息传播变革
3.1.2 基于用户关系的信息传播及其演化
3.2 社会化网络服务中用户关系与信息传播的关系
3.2.1 信息传播中的用户关系分类结构
3.2.2 用户关系结构与信息传播的关系
3.3 用户关系对信息传播的影响作用分析
3.3.1 基于用户关系的信息传播调研
3.3.2 基于用户关系的信息传播影响因素分析
3.4 本章小结

第4章 推荐服务中基于关系社区发现的用户建模
4.1 推荐服务中的社区关系与用户建模
4.1.1 推荐服务中的用户网络社区关系
4.1.2 基于社区关系的用户建模
4.2 社会网络环境下的用户关系社区发现
4.2.1 复杂网络中的社区发现
4.2.2 基于模块度改进的关系社区发现
4.3 基于关系社区的双层用户建模
4.3.1 基于社区和个体模型加权融合的用户建模
4.3.2 基于主题层次树和语义向量空间模型的用户建模
4.3.3 基于语义向量空间模型的用户需求趋向表示
4.4 用户模型的动态更新
4.4.1 用户模型动态更新方法
4.4.2 用户模型的动态更新实现
4.5 实验分析
4.6 本章小结

第5章 推荐服务中用户关系导向下的信息内容挖掘
5.1 用户关系导向下的语义关联与内容挖掘
5.1.1 用户关系与需求内容的关联
5.1.2 用户-资源关联组织与内容挖掘
5.2 基于LDA主题模型的信息内容挖掘
5.2.1 基于概率主题模型的文本挖掘
5.2.2 基于动态LDA主题模型的内容挖掘
5.2.3 基于主题相似度和强度度量的主题演化
5.3 内容挖掘中基于语义向量空间模型的文本建模
5.3.1 基于向量空间模型的文本建模
5.3.2 文本建模中的语义向量空间模型构建
5.3.3 基于概念语义相似度的文本建模改进
5.4 基于超球支持向量机的文本分类与关联
5.4.1 基于超球支持向量机的文本分类模型
5.4.2 基于改进HS-SVM的文本分类实现
5.4.3 基于语义向量的文本内容关联
5.5 实验分析
5.5.1 LDA主题提取和演化的实验分析
5.5.2 文本分类的实验分析
5.6 本章小结

第6章 基于用户-资源关联的社会化推荐服务实现
6.1 基于用户-资源关联关系的社会化小众推荐服务
6.1.1 社会化推荐服务及用户.资源关联关系
6.1.2 基于小众化的协同过滤推荐改进
6.2 基于物质扩散和用户-资源二部关联图的社会化推荐
6.2.1 用户-资源二部关联图中基于物质扩散的推荐
6.2.2 基于用户-资源二部关联图推荐的社会化改进
6.3 基于热传导和物质扩散混合的社会化小众推荐
6.3.1 基于热传导能量扩散的小众推荐机制
6.3.2 基于热传导和物质扩散混合的推荐实现
6.4 基于用户-资源词汇三部关联图的社会化小众推荐实现
6.4.1 推荐实现中三部关联图的应用
6.4.2 基于三部关联图的推荐实现
6.5 实验分析
6.5.1 实验数据集处理
6.5.2 推荐性能评价指标
6.5.3 实验结果分析
6.6 本章小结

第7章 案例与实证
7.1 微博服务中的社会化信息推荐实现
7.1.1 微博信息结构与数据处理
7.1.2 基于LDA的微博文本挖掘
7.1.3 基于用户-微博文本-词汇三部关联图的微博推荐实现
7.2 高校数字图书馆面向知识社区关系的交互推荐服务组织
7.2.1 高校数字图书馆基于知识社区的社会化服务推进
7.2.2 武汉大学数字图书馆基于资源整合的知识社区服务建设
7.2.3 武汉大学数字图书馆基于交互和推荐的知识社区服务拓展
7.3 本章小结

第8章 总结与展望
8.1 全文总结
8.2 研究不足
8.3 研究展望

参考文献
攻读博士学位期间的科研情况
后记