近幾年的高速增長(zhǎng)點(diǎn)則集中在社會(huì)媒體上,微博微信等網(wǎng)絡(luò)社交媒體的雨后春筍般興起,讓人們可以隨時(shí)隨地分享自己的生活、對(duì)熱點(diǎn)的關(guān)注以及對(duì)時(shí)事的觀點(diǎn),人們的生活隨著社會(huì)媒體的普及變得更加互聯(lián)互通、共話共享。本文以微博為例,用戶在微博上通過(guò)140字以內(nèi)的短文本表達(dá)自己的想法,通過(guò)深度挖掘、條分縷析用戶的微博文本來(lái)識(shí)別用戶的消費(fèi)意圖。本文中定義消費(fèi)意圖為用戶對(duì)于商品或者服務(wù),表現(xiàn)出來(lái)的購(gòu)買意向。通過(guò)發(fā)掘識(shí)別用戶消費(fèi)意圖,可以將分析預(yù)測(cè)結(jié)果多角度多維度應(yīng)用于商業(yè)推廣和業(yè)績(jī)預(yù)測(cè)等領(lǐng)域。例如在推薦系統(tǒng)中,如果發(fā)現(xiàn)用戶具有消費(fèi)意圖,就可以精準(zhǔn)的定向推薦給用戶對(duì)應(yīng)的內(nèi)容,創(chuàng)造商業(yè)價(jià)值;在電影上映或商品發(fā)布的時(shí)候,相關(guān)文本中具有消費(fèi)意圖的比重可以反映用戶對(duì)于它們的需求,為下一步的判斷提供依據(jù);在分析預(yù)測(cè)用戶的消費(fèi)行為時(shí),首先需要確定用戶是否具有消費(fèi)意圖,在判斷清楚消費(fèi)意圖的基礎(chǔ)上進(jìn)一步的研究才具有價(jià)值。傳統(tǒng)的消費(fèi)意圖識(shí)別方式是根據(jù)用戶可能具有的不同的消費(fèi)意圖,構(gòu)建特定的模版進(jìn)行匹配。本文收集微博用戶在電影領(lǐng)域領(lǐng)域的微博文本,將消費(fèi)意圖問(wèn)題看作一個(gè)文本分類問(wèn)題,首先采用支持向量機(jī)的方式對(duì)消費(fèi)意圖進(jìn)行識(shí)別,解決了... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

SVM分類示意圖

圖 3 1 所示，主要分為特征工程和分類器兩部分。圖 3 1 文本分類的基本過(guò)程在上述模型中，特征工程是非常重要的一個(gè)部分，這部分工作十分耗費(fèi)精力。在機(jī)器學(xué)習(xí)方法特征工程完成了數(shù)據(jù)到信息的轉(zhuǎn)換過(guò)程，其決定了最終結(jié)果的上限，而分類器則是信息到數(shù)據(jù)的轉(zhuǎn)換過(guò)程，其引導(dǎo)結(jié)果不斷靠近這一上

圖 3-2 NNLM 的網(wǎng)絡(luò)結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型(，    )，該模型分布式方法表示文本，訓(xùn)練得到了連續(xù)的實(shí)數(shù)向量表示的詞向量（）。圖 3 2 的網(wǎng)絡(luò)訓(xùn)練得到的矩陣 就是表示詞語(yǔ)含義的詞向量。該矩陣是訓(xùn)練過(guò)程中的一個(gè)副產(chǎn)物，但是結(jié)構(gòu)的設(shè)計(jì)使其與詞語(yǔ)一一對(duì)應(yīng)，在

【參考文獻(xiàn)】：
期刊論文
[1]面向社會(huì)媒體的消費(fèi)意圖識(shí)別:任務(wù)、挑戰(zhàn)與機(jī)遇[J]. 付博,劉挺.  智能計(jì)算機(jī)與應(yīng)用. 2015(04)

碩士論文
[1]基于微博的消費(fèi)意圖挖掘[D]. 陳浩辰.哈爾濱工業(yè)大學(xué) 2014
[2]面向微博的消費(fèi)意圖識(shí)別[D]. 焦揚(yáng).哈爾濱工業(yè)大學(xué) 2013
[3]面向微博的消費(fèi)意圖挖掘與分類[D]. 高漢東.哈爾濱工業(yè)大學(xué) 2012



本文編號(hào)：3142219