Current Location:home > Browse

1. chinaXiv:201911.00005 [pdf]

父子(女)间面孔相似性的进化适应机制及其影响

于全磊; 陈建文; 谭秀娟; 邓雪菲; 赵庆柏; 周治金
Subjects: Psychology >> Social Psychology

由于受精和孕育过程发生在母亲体内,人类受孕具有一定的隐蔽性,同时人类早期社会存在着通奸行为,因而,父亲面临着父亲身份不确定性的风险。为了应对这种风险,人类男性在生活中往往会寻求一些能表征父亲身份的线索,其中亲子间面孔相似性被证明是辨别个体间是否存在基因关联(或血缘关系)的有效线索之一。morph软件合成、第三方评定以及当事人的主观评定是研究亲子间面孔相似性的三种基本范式。以往的研究表明当父子(女)间面孔相似性越高时,父亲对子女的亲子投资水平越高,父亲感知到的焦虑水平越低,父亲的身体也越健康,与此同时,当父子(女)间面孔相似性越高时,父亲对女儿会表现出更高的性厌恶水平。未来的研究可以进一步关注文化因素在该效应中的调节作用、影响亲子间面孔相似性感知的因素以及探寻新的研究范式以提高研究的内部效度和外部效度。

submitted time 2019-11-11 Hits3844Downloads855 Comment 0

2. chinaXiv:201809.00066 [pdf]

群际评价中热情与能力关系的情境演变:评价意图与结果的作用

佐斌; 温芳芳; 吴漾; 代涛涛
Subjects: Psychology >> Social Psychology

情境影响社会认知, 在群际评价时热情和能力两个维度的关系如何随着情境而变化?本文采用“遥远星球范式”对此进行了系列实验研究, 分别基于热情和能力的单维和双维信息呈现视角, 检验竞争与合作两种情境下成功和失败的结果对群体热情与能力感知的影响。结果表明:(1)在对外群体的热情和能力感知中, 由热情维度推断能力时两者存在正向关系; 由能力维度推断热情时则存在负向关系。(2)评价意图对外群体成员热情和能力评价的影响与具体情境无关。人们对外群体成员的热情和能力评价在得知互动意图时均呈现 “趋中”平衡的趋势。(3)成败结果对外群体成员热情和能力评价的影响受到情境的制约。竞争情境中热情和能力表现出“此消彼长”的反向演变趋势, 而合作情境中热情和能力表现出“同消同长”的同向演变趋势。

submitted time 2018-09-07 From cooperative journals:《心理学报》 Hits1871Downloads905 Comment 0

3. chinaXiv:201712.01385 [pdf]

基于用户偏好与商品属性情感匹配的图书 个性化推荐研究*

侯银秀; 李伟卿; 王伟军; 张婷婷
Subjects: Library Science,Information Science >> Information Science

【目的】识别并获取细粒度的用户偏好信息, 优化图书个性化推荐的效果。【方法】使用情感分析方法对 用户图书评论进行属性层文本挖掘, 通过用户本身的图书评论获取用户对图书属性的偏好; 基于每本图书的所 有评论的情感计算获得其属性评分; 将用户偏好矩阵、图书属性得分矩阵进行匹配, 从而实现用户对图书属性情 感偏好的个性化推荐。【结果】利用亚马逊图书评论数据作为数据来源分别对传统的协同过滤方法与本文提出的 推荐方法进行实验对比。结果表明, 本文提出的方法在准确性、召回率、覆盖率上分别提高了 0.030、0.097、0.2812。 【局限】未考虑时间因素对用户偏好的影响, 并且属性类型的全面程度受亚马逊图书评论数量和质量的限制。 【结论】本文计算用户对图书属性的情感得分, 得到细粒度的用户偏好信息, 并通过与图书属性的得分进行匹配, 提升了图书个性化推荐的效果。

submitted time 2017-12-05 From cooperative journals:《数据分析与知识发现》 Hits1386Downloads1024 Comment 0

4. chinaXiv:201712.01602 [pdf]

基于用户偏好与商品属性情感匹配的图书 个性化推荐研究*

侯银秀; 李伟卿; 王伟军; 张婷婷
Subjects: Library Science,Information Science >> Information Science

【目的】识别并获取细粒度的用户偏好信息, 优化图书个性化推荐的效果。【方法】使用情感分析方法对 用户图书评论进行属性层文本挖掘, 通过用户本身的图书评论获取用户对图书属性的偏好; 基于每本图书的所 有评论的情感计算获得其属性评分; 将用户偏好矩阵、图书属性得分矩阵进行匹配, 从而实现用户对图书属性情 感偏好的个性化推荐。【结果】利用亚马逊图书评论数据作为数据来源分别对传统的协同过滤方法与本文提出的 推荐方法进行实验对比。结果表明, 本文提出的方法在准确性、召回率、覆盖率上分别提高了 0.030、0.097、0.2812。 【局限】未考虑时间因素对用户偏好的影响, 并且属性类型的全面程度受亚马逊图书评论数量和质量的限制。 【结论】本文计算用户对图书属性的情感得分, 得到细粒度的用户偏好信息, 并通过与图书属性的得分进行匹配, 提升了图书个性化推荐的效果。

submitted time 2017-11-30 From cooperative journals:《数据分析与知识发现》 Hits1051Downloads715 Comment 0

  [1 Pages/ 4 Totals]