近年來社交網(wǎng)絡服務發(fā)展蓬勃,在全球擁有大量用戶,社交網(wǎng)站已成為影響力巨大的信息平臺。掌握社交網(wǎng)絡中用戶的行為、情感以及傳播規(guī)律,不僅能夠幫助企業(yè)根據(jù)用戶行為特征提供更好的服務和產(chǎn)品、進行更有效的網(wǎng)絡營銷和推廣,而且也為有關部門對網(wǎng)絡輿論進行合理的監(jiān)控和干預提供了理論依據(jù)。本文以新浪微博為對象,圍繞社交網(wǎng)絡中的用戶交互行為,感知用戶的情感,研究情感傳播機制,并結合情感的變化預測用戶的行為,提出了基于動態(tài)因子圖模型moodcast的情感預測模型和廣告點擊率預測模型。首先,在本文中我們探討了通過自然語言處理和語義分析的方法,將用戶在社交網(wǎng)絡上發(fā)表的言論進行分析,挖掘出用戶的興趣和情感偏向,這一方法雖然沿用了以往對文本分析的方法,但在此處我們將其引用到社交網(wǎng)絡上又有了他的特殊性,在社交網(wǎng)絡上我們分析的都是短文本,具體的分詞聚類的做法又有別于以往。其次,以往研究用戶的情感沒有考慮到用戶情感受別人的影響,也就是我們這里所說的情感的傳播問題,在本文中我們將用戶情感的傳播問題引進到了社交網(wǎng)絡中,通過學習動態(tài)因子圖模型moodcast,提出了社交網(wǎng)絡上用戶情感受朋友影響后的預測模型。我們在這里主要針對兩... 

【文章來源】：西安郵電大學陜西省

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

動態(tài)屬性的例子我們使用上標t來表示依據(jù)時間變化的連續(xù)的動態(tài)信息，也就是說，所冇的邊

相關活動 閣2.8相關調用圖2.7顯示用戶的活動和他們的情感狀態(tài)之間的相關性

樣例分析

【參考文獻】：
期刊論文
[1]自適應多克隆聚類算法及收斂性分析[J]. 馬力,焦李成,白琳,陳長國.  模式識別與人工智能. 2008(01)
[2]一種基于人工免疫網(wǎng)絡的文本聚類算法[J]. 童健華,譚洪舟.  計算機工程與科學. 2007(10)
[3]基于本體的文本信息檢索研究[J]. 楊建林.  情報理論與實踐. 2006(05)
[4]基于本體論的文本挖掘技術綜述[J]. 賈焰,王永恒,楊樹強.  計算機應用. 2006(09)
[5]基于本體論的文本特征提取[J]. 唐曉文.  電腦與信息技術. 2005(01)
[6]中文文本分類中的特征選擇研究[J]. 周茜,趙明生,扈旻.  中文信息學報. 2004(03)
[7]中文文本分類中特征抽取方法的比較研究[J]. 代六玲,黃河燕,陳肇雄.  中文信息學報. 2004(01)
[8]基于Bayes潛在語義模型的半監(jiān)督Web挖掘[J]. 宮秀軍,史忠植.  軟件學報. 2002(08)
[9]文本聚類中的貝葉斯后驗模型選擇方法[J]. 姜寧,史忠植.  計算機研究與發(fā)展. 2002(05)

博士論文
[1]互聯(lián)網(wǎng)文本聚類與檢索技術研究[D]. 孟憲軍.哈爾濱工業(yè)大學 2009
[2]基于Web挖掘的電子商務個性化推薦機理與方法研究[D]. 易明.華中科技大學 2006

碩士論文
[1]基于圖結構的中文文本聚類方法研究[D]. 劉巧鳳.大連理工大學 2009
[2]基于本體的中文文本聚類技術研究[D]. 楊彩蓮.遼寧師范大學 2008



本文編號：3439775