CN107368549A - 基于深度学习的个性化政务服务推荐方法和系统 - Google Patents
基于深度学习的个性化政务服务推荐方法和系统 Download PDFInfo
- Publication number
- CN107368549A CN107368549A CN201710522480.1A CN201710522480A CN107368549A CN 107368549 A CN107368549 A CN 107368549A CN 201710522480 A CN201710522480 A CN 201710522480A CN 107368549 A CN107368549 A CN 107368549A
- Authority
- CN
- China
- Prior art keywords
- demand
- information
- user
- personalized
- service center
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
一种基于深度学习的个性化政务服务推荐方法,包括:S1、通过获取的获取用户获取信息的途径、习惯、爱好信息建立用于表达用户个性化需求的个性化特征模式库;S2、获取统计公众的现实需求与潜在的需求信息,通过步骤S1中个性化特征模式库匹配公众的现实需求与潜在的需求信息的需求模式,并将需求模式发送到个性化服务中心;S3、获取用户的需求信息,分析获取用户的需求对应的分类;在分类中获取用户的需求对应的细化功能信息;S4、在个性化服务中心中将各类信息进行个性特征数据结构设计;S5、对用户的需求信息在个性化服务中心进行检索,对用户的现实需求或潜在需求进行响应。
Description
技术领域
本发明涉及个性化推荐技术领域,特别涉及一种基于深度学习的个性化政务服务推荐方法和系统。
背景技术
随着互联网的应用与普及,公众越来越多的通过政府实体大厅、政府门户网站、政府服务热线、手机、自助终端等等各种政务服务渠道获取信息,对于政府而言,电子政务的主要目标之一就是加强在公众心目中形象的自我宣传,将政府“精简、高效、廉洁”形象的总体目标落实到政府日常的工作中;执政为民,勤政爱民,更好的为公众服务;增强
政府在公众心目中的权威性,获得公众对政府的信赖、认同,及更多的理解与支持。
由于互联网可以储存海量信息,我国政府自1999年启动“政府上网工程以来”,电子政务实施从外围的基础设施建设进入到基于社会化服务实施的新阶段,在此阶段,电子政务实施呈现出信息超载的加剧。信息资源呈现出爆炸式的增长,用户在面对大量而且分散的信息时,很难满足自身的需要,信息需求的特定性与信息资源的海量无序性形成矛盾,既浪费了公众的时间,又降低了服务质量。在传统的电子政务信息服务中,服务缺乏个性化、针对性、主动性,政府在向公众提供信息时,往往是面向大众的,具有一定的普适性,没有更好的考虑用户需求的复杂性与差别性,更没有考虑到用户深层次的需求,信息的提供停留在满足表层需求的基础之上。如何满足公众对信息需求的个性化要求,更好的体现以人为本,使政府网站设计具有自己的特色,从以政府为中心向以用户为中心转变,为公众提供电子政务一站式服务,已经成为电子政务发展的热点讨论课题。针对这一情况,解决用户信息需求多样化、个性化的问题,要求政府利用这一平台提供个性化推荐服务。
电子政务信息推荐服务是基于预测信息用户需求偏好的分析,经过系统筛选整合,以达到主动为用户提供关联信息的服务目的。受到深度模型在其他领域的应用得到启发,将深度网络与传统协同过滤的方法相结合,建立了一个新的深度混合模型用与推荐系统算法,设计了一个面向公众的电子政务信息推荐服务。
发明内容
有鉴于此,本发明提出一种基于深度学习的个性化政务服务推荐方法和系统。
一种基于深度学习的个性化政务服务推荐方法,其包括如下步骤:
S1、获取用户获取信息的途径、习惯、爱好信息,通过获取的获取用户获取信息的途径、习惯、爱好信息建立用于表达用户个性化需求的个性化特征模式库;
S2、获取统计公众的现实需求与潜在的需求信息,通过步骤S1中个性化特征模式库匹配公众的现实需求与潜在的需求信息的需求模式,并将需求模式发送到个性化服务中心;
S3、获取用户的需求信息,分析获取用户的需求对应的分类;在分类中获取用户的需求对应的细化功能信息;
S4、在个性化服务中心中将各类信息进行个性特征数据结构设计;在个性化服务中心中建立用户的需求信息与进行了个性化特征数据结构设计的信息的对应关系;
S5、对用户的需求信息在个性化服务中心进行检索,对用户的现实需求或潜在需求进行响应。
在本发明所述的基于深度学习的个性化政务服务推荐方法中,
所述步骤S3中用户的需求对应的分类包括:信息公开、网上互动、个性化服务。
在本发明所述的基于深度学习的个性化政务服务推荐方法中,
所述步骤S4中在个性化服务中心中将各类信息进行个性特征数据结构设计包括:
分析用户数据获取用户信息需求特征和行为特征,建立分群模型,分群模型按用户的自然属性、使用特征、偏好变量进行细分获得聚类分群,所述聚类分群中信息为个性特征数据结构化数据。
在本发明所述的基于深度学习的个性化政务服务推荐方法中,
所述步骤S5包括:
在需求信息为现实需求信息时,对用户的现实需求信息在个性化服务中心进行检索,对用户的显示需求进行响应;
在需求信息为潜在需求信息时,对用户的特征信息进行聚类,获得得到潜在需求信息,用户的潜在需求信息在个性化服务中心进行检索,对用户的显示需求进行响应。
本发明还提供一种基于深度学习的个性化政务服务推荐系统,其包括如下单元:
个性化特征模式库单元,用于获取用户获取信息的途径、习惯、爱好信息,通过获取的获取用户获取信息的途径、习惯、爱好信息建立用于表达用户个性化需求的个性化特征模式库;
需求模式匹配单元,用于获取统计公众的现实需求与潜在的需求信息,通过个性化特征模式库单元中个性化特征模式库匹配公众的现实需求与潜在的需求信息的需求模式,并将需求模式发送到个性化服务中心;
需求细分单元,用于获取用户的需求信息,分析获取用户的需求对应的分类;在分类中获取用户的需求对应的细化功能信息;
数据结构设计单元,用于在个性化服务中心中将各类信息进行个性特征数据结构设计;在个性化服务中心中建立用户的需求信息与进行了个性化特征数据结构设计的信息的对应关系;
需求响应单元,用于对用户的需求信息在个性化服务中心进行检索,对用户的现实需求或潜在需求进行响应。
在本发明所述的基于深度学习的个性化政务服务推荐系统中,
所述需求细分单元中用户的需求对应的分类包括:信息公开、网上互动、个性化服务。
在本发明所述的基于深度学习的个性化政务服务推荐系统中,
所述数据结构设计单元中在个性化服务中心中将各类信息进行个性特征数据结构设计包括:
分析用户数据获取用户信息需求特征和行为特征,建立分群模型,分群模型按用户的自然属性、使用特征、偏好变量进行细分获得聚类分群,所述聚类分群中信息为个性特征数据结构化数据。
在本发明所述的基于深度学习的个性化政务服务推荐系统中,
所述需求响应单元包括:
在需求信息为现实需求信息时,对用户的现实需求信息在个性化服务中心进行检索,对用户的显示需求进行响应;
在需求信息为潜在需求信息时,对用户的特征信息进行聚类,获得得到潜在需求信息,用户的潜在需求信息在个性化服务中心进行检索,对用户的显示需求进行响应。
实施本发明提供的基于深度学习的个性化政务服务推荐方法和系统与现有技术相比具有以下有益效果:将内容和用户行为互相作为信息补充,降低了抽取所得特征的准确性对基于内容推荐的影响以及用户行为数据稀疏性对协同过滤推荐的影响。在电子政务的个性化服务中,可以通过可控因素来实现对公众需求的满足,政府网站通过现有的主题目录向公众进行信息公开,公众可以随时随地点击相关链接,传统的电子政务服务基于数据挖掘的电子政务个性化服务以谁为中心以政府为中心以公众为中心满足需求程度满足公众现有需求满足公众现有需求同时满足潜在需求满足多样性单一多样查找速度用户在海量信息中查找速度慢用户在有针对性的信息中查找速度快办事效率工作流程断层,效率低信息资源与办事机构相联,效率高资源利用信息资源分散各项信息资源的集成与整合。服务方式普适性有特色、针对性政府引导一般有效互动情况一般较好通过栏目阅读,了解时事新闻、发展动态、热点问题;除了固定目录及栏目外,政府部门通过网上引导,引导公众栏目阅读、阅读时长、阅读集中度、阅读类别,进一步引导市民、企业通过网络办理各项业务,参与网上互动交流,献计献策等,为公众提供一个良好的沟通平台;在电子政务快速发展的今天,公众希望获得更有效率、更高质量的公共服务,通过互联网提供个性化服务平台,通过数据挖掘等技术向公众提供更加精细化、个性化的服务,更好的满足公众日益专门化和垂直化的需求
附图说明
图1是本发明实施例的基于深度学习的个性化政务服务推荐方法流程图。
具体实施方式
如图1所示,本发明实施例提供一种基于深度学习的个性化政务服务推荐方法,其包括如下步骤:
S1、获取用户获取信息的途径、习惯、爱好信息,通过获取的获取用户获取信息的途径、习惯、爱好信息建立用于表达用户个性化需求的个性化特征模式库;
S2、获取统计公众的现实需求与潜在的需求信息,通过步骤S1中个性化特征模式库匹配公众的现实需求与潜在的需求信息的需求模式,并将需求模式发送到个性化服务中心;
S3、获取用户的需求信息,分析获取用户的需求对应的分类;在分类中获取用户的需求对应的细化功能信息;
S4、在个性化服务中心中将各类信息进行个性特征数据结构设计;在个性化服务中心中建立用户的需求信息与进行了个性化特征数据结构设计的信息的对应关系;
S5、对用户的需求信息在个性化服务中心进行检索,对用户的现实需求或潜在需求进行响应。
在本发明所述的基于深度学习的个性化政务服务推荐方法中,
所述步骤S3中用户的需求对应的分类包括:信息公开、网上互动、个性化服务。
可选地,信息公开可以包括信息发布、政策解读等;网上互动可以包括在线交流、留言板、反馈栏、网上投票、论坛等;个性化服务可以包括政务评议、在线网谈等。形成功能细化后的信息分类。
在本发明所述的基于深度学习的个性化政务服务推荐方法中,
所述步骤S4中在个性化服务中心中将各类信息进行个性特征数据结构设计包括:
分析用户数据获取用户信息需求特征和行为特征,建立分群模型,分群模型按用户的自然属性、使用特征、偏好变量进行细分获得聚类分群,所述聚类分群中信息为个性特征数据结构化数据。
在本发明所述的基于深度学习的个性化政务服务推荐方法中,
所述步骤S5包括:
在需求信息为现实需求信息时,对用户的现实需求信息在个性化服务中心进行检索,对用户的显示需求进行响应;
在需求信息为潜在需求信息时,对用户的特征信息进行聚类,获得得到潜在需求信息,用户的潜在需求信息在个性化服务中心进行检索,对用户的显示需求进行响应。
本发明的基于深度学习的个性化政务服务推荐方法,针对协同过滤推荐不能有效解决冷启动和数据稀疏性问题,提出了一种基于内容和协同过滤的混合推荐方法,将内容和用户行为互相作为信息补充,降低了抽取所得特征的准确性对基于内容推荐的影响以及用户行为数据稀疏性对协同过滤推荐的影响。
本发明还提供一种基于深度学习的个性化政务服务推荐系统,其包括如下单元:
个性化特征模式库单元,用于获取用户获取信息的途径、习惯、爱好信息,通过获取的获取用户获取信息的途径、习惯、爱好信息建立用于表达用户个性化需求的个性化特征模式库;
需求模式匹配单元,用于获取统计公众的现实需求与潜在的需求信息,通过个性化特征模式库单元中个性化特征模式库匹配公众的现实需求与潜在的需求信息的需求模式,并将需求模式发送到个性化服务中心;
需求细分单元,用于获取用户的需求信息,分析获取用户的需求对应的分类;在分类中获取用户的需求对应的细化功能信息;
数据结构设计单元,用于在个性化服务中心中将各类信息进行个性特征数据结构设计;在个性化服务中心中建立用户的需求信息与进行了个性化特征数据结构设计的信息的对应关系;
需求响应单元,用于对用户的需求信息在个性化服务中心进行检索,对用户的现实需求或潜在需求进行响应。
在本发明所述的基于深度学习的个性化政务服务推荐系统中,
所述需求细分单元中用户的需求对应的分类包括:信息公开、网上互动、个性化服务。
在本发明所述的基于深度学习的个性化政务服务推荐系统中,
所述数据结构设计单元中在个性化服务中心中将各类信息进行个性特征数据结构设计包括:
分析用户数据获取用户信息需求特征和行为特征,建立分群模型,分群模型按用户的自然属性、使用特征、偏好变量进行细分获得聚类分群,所述聚类分群中信息为个性特征数据结构化数据。
在本发明所述的基于深度学习的个性化政务服务推荐系统中,
所述需求响应单元包括:
在需求信息为现实需求信息时,对用户的现实需求信息在个性化服务中心进行检索,对用户的显示需求进行响应;
在需求信息为潜在需求信息时,对用户的特征信息进行聚类,获得得到潜在需求信息,用户的潜在需求信息在个性化服务中心进行检索,对用户的显示需求进行响应。
可以理解的是,对于本领域的普通技术人员来说,可以根据本发明的技术构思做出其它各种相应的改变与变形,而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (8)
1.一种基于深度学习的个性化政务服务推荐方法,其特征在于,其包括如下步骤:
S1、获取用户获取信息的途径、习惯、爱好信息,通过获取的获取用户获取信息的途径、习惯、爱好信息建立用于表达用户个性化需求的个性化特征模式库;
S2、获取统计公众的现实需求与潜在的需求信息,通过步骤S1中个性化特征模式库匹配公众的现实需求与潜在的需求信息的需求模式,并将需求模式发送到个性化服务中心;
S3、获取用户的需求信息,分析获取用户的需求对应的分类;在分类中获取用户的需求对应的细化功能信息;
S4、在个性化服务中心中将各类信息进行个性特征数据结构设计;在个性化服务中心中建立用户的需求信息与进行了个性化特征数据结构设计的信息的对应关系;
S5、对用户的需求信息在个性化服务中心进行检索,对用户的现实需求或潜在需求进行响应。
2.如权利要求1所述的基于深度学习的个性化政务服务推荐方法,其特征在于,
所述步骤S3中用户的需求对应的分类包括:信息公开、网上互动、个性化服务。
3.如权利要求1所述的基于深度学习的个性化政务服务推荐方法,其特征在于,
所述步骤S4中在个性化服务中心中将各类信息进行个性特征数据结构设计包括:
分析用户数据获取用户信息需求特征和行为特征,建立分群模型,分群模型按用户的自然属性、使用特征、偏好变量进行细分获得聚类分群,所述聚类分群中信息为个性特征数据结构化数据。
4.如权利要求3所述的基于深度学习的个性化政务服务推荐方法,其特征在于,
所述步骤S5包括:
在需求信息为现实需求信息时,对用户的现实需求信息在个性化服务中心进行检索,对用户的显示需求进行响应;
在需求信息为潜在需求信息时,对用户的特征信息进行聚类,获得得到潜在需求信息,用户的潜在需求信息在个性化服务中心进行检索,对用户的显示需求进行响应。
5.一种基于深度学习的个性化政务服务推荐系统,其特征在于,其包括如下单元:
个性化特征模式库单元,用于获取用户获取信息的途径、习惯、爱好信息,通过获取的获取用户获取信息的途径、习惯、爱好信息建立用于表达用户个性化需求的个性化特征模式库;
需求模式匹配单元,用于获取统计公众的现实需求与潜在的需求信息,通过个性化特征模式库单元中个性化特征模式库匹配公众的现实需求与潜在的需求信息的需求模式,并将需求模式发送到个性化服务中心;
需求细分单元,用于获取用户的需求信息,分析获取用户的需求对应的分类;在分类中获取用户的需求对应的细化功能信息;
数据结构设计单元,用于在个性化服务中心中将各类信息进行个性特征数据结构设计;在个性化服务中心中建立用户的需求信息与进行了个性化特征数据结构设计的信息的对应关系;
需求响应单元,用于对用户的需求信息在个性化服务中心进行检索,对用户的现实需求或潜在需求进行响应。
6.如权利要求5所述的基于深度学习的个性化政务服务推荐系统,其特征在于,
所述需求细分单元中用户的需求对应的分类包括:信息公开、网上互动、个性化服务。
7.如权利要求5所述的基于深度学习的个性化政务服务推荐系统,其特征在于,
所述数据结构设计单元中在个性化服务中心中将各类信息进行个性特征数据结构设计包括:
分析用户数据获取用户信息需求特征和行为特征,建立分群模型,分群模型按用户的自然属性、使用特征、偏好变量进行细分获得聚类分群,所述聚类分群中信息为个性特征数据结构化数据。
8.如权利要求7所述的基于深度学习的个性化政务服务推荐系统,其特征在于,
所述需求响应单元包括:
在需求信息为现实需求信息时,对用户的现实需求信息在个性化服务中心进行检索,对用户的显示需求进行响应;
在需求信息为潜在需求信息时,对用户的特征信息进行聚类,获得得到潜在需求信息,用户的潜在需求信息在个性化服务中心进行检索,对用户的显示需求进行响应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710522480.1A CN107368549B (zh) | 2017-06-30 | 2017-06-30 | 基于深度学习的个性化政务服务推荐方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710522480.1A CN107368549B (zh) | 2017-06-30 | 2017-06-30 | 基于深度学习的个性化政务服务推荐方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107368549A true CN107368549A (zh) | 2017-11-21 |
CN107368549B CN107368549B (zh) | 2020-08-11 |
Family
ID=60305218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710522480.1A Active CN107368549B (zh) | 2017-06-30 | 2017-06-30 | 基于深度学习的个性化政务服务推荐方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107368549B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109347903A (zh) * | 2018-08-28 | 2019-02-15 | 浙江工业大学 | 一种基于gis系统的校园消息推送优化方法 |
CN109919807A (zh) * | 2019-03-17 | 2019-06-21 | 南京智慧光信息科技研究院有限公司 | 基于深度学习的个性化知识产权信息服务方法和系统 |
CN110209889A (zh) * | 2019-05-30 | 2019-09-06 | 东南大学 | 一种服务互联网的动态服务需求模式匹配方法 |
CN112035535A (zh) * | 2020-11-05 | 2020-12-04 | 江西微博科技有限公司 | 一种大数据智慧政务平台信息推送方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411621A (zh) * | 2011-11-22 | 2012-04-11 | 华中师范大学 | 一种基于云模型的中文面向查询的多文档自动文摘方法 |
WO2013036877A1 (en) * | 2011-09-07 | 2013-03-14 | Imetrikus, Inc. Dba Numera | Increasing user engagement with health |
CN104463472A (zh) * | 2014-12-12 | 2015-03-25 | 江阴中科今朝科技有限公司 | 电子政务平台系统 |
CN105046600A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒(上海)有限公司 | 一种酒店用电视的个性化信息推荐方法及系统 |
CN105913342A (zh) * | 2016-04-08 | 2016-08-31 | 上海旭薇物联网科技有限公司 | 一种基于大数据挖掘算法的智慧社区系统 |
CN106294676A (zh) * | 2016-08-05 | 2017-01-04 | 张家口乐淘商贸有限公司 | 一种电子商务政务系统的数据检索方法 |
-
2017
- 2017-06-30 CN CN201710522480.1A patent/CN107368549B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013036877A1 (en) * | 2011-09-07 | 2013-03-14 | Imetrikus, Inc. Dba Numera | Increasing user engagement with health |
CN102411621A (zh) * | 2011-11-22 | 2012-04-11 | 华中师范大学 | 一种基于云模型的中文面向查询的多文档自动文摘方法 |
CN104463472A (zh) * | 2014-12-12 | 2015-03-25 | 江阴中科今朝科技有限公司 | 电子政务平台系统 |
CN105046600A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒(上海)有限公司 | 一种酒店用电视的个性化信息推荐方法及系统 |
CN105913342A (zh) * | 2016-04-08 | 2016-08-31 | 上海旭薇物联网科技有限公司 | 一种基于大数据挖掘算法的智慧社区系统 |
CN106294676A (zh) * | 2016-08-05 | 2017-01-04 | 张家口乐淘商贸有限公司 | 一种电子商务政务系统的数据检索方法 |
Non-Patent Citations (1)
Title |
---|
郁雪: "基于协同过滤技术的推荐方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109347903A (zh) * | 2018-08-28 | 2019-02-15 | 浙江工业大学 | 一种基于gis系统的校园消息推送优化方法 |
CN109347903B (zh) * | 2018-08-28 | 2021-02-26 | 浙江工业大学 | 一种基于gis系统的校园消息推送优化方法 |
CN109919807A (zh) * | 2019-03-17 | 2019-06-21 | 南京智慧光信息科技研究院有限公司 | 基于深度学习的个性化知识产权信息服务方法和系统 |
CN110209889A (zh) * | 2019-05-30 | 2019-09-06 | 东南大学 | 一种服务互联网的动态服务需求模式匹配方法 |
CN112035535A (zh) * | 2020-11-05 | 2020-12-04 | 江西微博科技有限公司 | 一种大数据智慧政务平台信息推送方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107368549B (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Korhan et al. | Usability and functionality factors of the social network site application users from the perspective of uses and gratification theory | |
Srinivasan et al. | Rethinking publics in Africa in a digital age | |
Kim et al. | The role of psychological traits and social factors in using new mobile communication services | |
CN107368549A (zh) | 基于深度学习的个性化政务服务推荐方法和系统 | |
Chander | Whose Republic? | |
Chen et al. | Adoption and use of digital media in election campaigns: Australia, Canada and New Zealand compared | |
Zheng et al. | Mapping the field of communication technology research in Asia: Content analysis and text mining of SSCI journal articles 1995–2014 | |
CN107590524A (zh) | 一种电子名片的制作方法和装置 | |
Van der Nagel | Faceless bodies: Negotiating technological and cultural codes on Reddit Gonewild | |
CN108573032A (zh) | 视频推荐方法及装置 | |
CN105069737A (zh) | 用于空港服务的移动服务终端、系统及数据处理的方法 | |
CN110059255A (zh) | 一种浏览器导航方法、装置及介质 | |
Abdullah et al. | Islamisation in the Indonesian media spaces new sites for a conservative push | |
Vora | Free speech and civil discourse: producing expats, locals, and migrants in the UAE E nglish‐language blogosphere | |
Faimau | Towards a theoretical understanding of the selfie: A descriptive review | |
WO2022234303A1 (en) | Systems and methods to implement microapps in digital workspaces | |
Skey | Nationalism and media | |
US20010020253A1 (en) | Brokerage system and method for joint learning of different languages | |
Goggin et al. | Disabled e‐nation: telecommunications, disability, and national policy | |
CN110489663A (zh) | 一种社交内容控制方法、装置及计算机设备 | |
Sparks | Changing concepts for a changing world | |
Nessi García et al. | The Mexican European diaspora: class, race and distinctions on social networking sites | |
Wang et al. | Malleable multiplicity and power reliance: Identity presentation by Chinese journalists on social media | |
Nessi et al. | Privileged Mexican migrants in Europe: Distinctions and cosmopolitanism on social networking sites | |
Batko et al. | The Sixth Estate–The Rule of Algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |