本文關(guān)鍵詞：微博用戶興趣識別技術(shù)的研究與應(yīng)用

  更多相關(guān)文章： 主題模型 卷積神經(jīng)網(wǎng)絡(luò) 微博分類 用戶興趣識別

【摘要】：隨著移動互聯(lián)網(wǎng)技術(shù)的發(fā)展及移動終端的普及,網(wǎng)絡(luò)上出現(xiàn)了許多社交類的網(wǎng)站和應(yīng)用,微博由于其自身操作簡單,傳播快速等特性,聚集了大量用戶。每個用戶每天可以接收成百上千條微博,從而導致信息過載的問題,嚴重影響用戶對信息及知識的獲取。此外,越來越多的商家將微博作為營銷平臺,因此如何完成高質(zhì)量的廣告定向投放也成為一個具有重要商業(yè)價值的問題。微博用戶的興趣識別可以幫助解決上述問題。本文的主要工作如下:本文首先嘗試了基于主題模型的用戶興趣識別。將用戶的微博集合看作一篇文檔,使用Labeled LDA主題模型對用戶微博文檔的主題進行預測,獲得的主題分布看作是用戶的興趣主題分布。該方法的問題是,當興趣詞周圍存在大量噪聲詞時,Labeled LDA主題模型對用戶興趣詞的主題分配會隨上下文而發(fā)生嚴重偏移,從而導致用戶興趣識別錯誤。其次本文嘗試了基于微博分類的用戶興趣識別,通過對用戶的微博進行逐條興趣分類,從而緩解噪聲詞對興趣詞的影響,然后通過用戶微博的興趣類別分布識別用戶興趣。嘗試了兩個分類器,一個是以二字串bigram作為特征單元的線性SVM,另一個是使用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)的分類器。實驗結(jié)果表明,基于微博分類的興趣識別方法的效果優(yōu)于基于主題模型的方法,但上述兩個分類器對于包含噪聲詞較多的微博分類效果還有提升空間。第三提出一種基于主題增強卷積神經(jīng)網(wǎng)絡(luò)的用戶興趣識別方法,通過構(gòu)建一個結(jié)合連續(xù)的語義特征和離散的主題特征的雙通道CNN作為微博分類器,對用戶的微博進行興趣分類,通過極大似然估計得到微博用戶的興趣。實驗結(jié)果表明使用融合主題信息的主題增強CNN將顯著提高用戶興趣識別的效果。最后一部分介紹了興趣模型的一個應(yīng)用,聊天機器人笨笨的新聞推薦模塊,該模塊基于LDA主題模型,負責為用戶提供個性化的新聞推薦服務(wù)。
【關(guān)鍵詞】：主題模型 卷積神經(jīng)網(wǎng)絡(luò) 微博分類 用戶興趣識別
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.1
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-17
• 1.1 課題背景及研究目的和意義9-11
• 1.1.1 課題背景9-10
• 1.1.2 課題研究的目的及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 國外研究現(xiàn)狀11-13
• 1.2.2 國內(nèi)研究現(xiàn)狀13-14
• 1.3 本文的研究內(nèi)容及章節(jié)安排14-17
• 1.3.1 本文的研究內(nèi)容14-15
• 1.3.2 本文的章節(jié)安排15-17
• 第2章 基于主題模型的用戶興趣識別17-27
• 2.1 引言17
• 2.2 Labeled LDA主題模型17-19
• 2.2.1 主題生成過程17-19
• 2.2.2 學習和預測19
• 2.3 基于Labeled LDA主題模型的用戶興趣識別19-24
• 2.3.1 興趣類別體系19-20
• 2.3.2 實驗數(shù)據(jù)20-21
• 2.3.3 訓練階段21-22
• 2.3.4 預測階段22-23
• 2.3.5 用戶興趣的獲取23-24
• 2.4 實驗結(jié)果及分析24-26
• 2.4.1 評價標準24
• 2.4.2 實驗結(jié)果24-25
• 2.4.3 實驗結(jié)果分析25-26
• 2.5 本章小結(jié)26-27
• 第3章 基于微博分類的用戶興趣識別27-42
• 3.1 引言27
• 3.2 支持向量機27-32
• 3.2.1 支持向量機簡介27-28
• 3.2.2 線性支持向量機28-30
• 3.2.3 多元分類SVM30-32
• 3.3 卷積神經(jīng)網(wǎng)絡(luò)32-34
• 3.3.1 卷積神經(jīng)網(wǎng)絡(luò)簡介32
• 3.3.2 構(gòu)件32-34
• 3.4 實驗方法與數(shù)據(jù)34-36
• 3.4.1 實驗方法34-36
• 3.4.2 實驗數(shù)據(jù)36
• 3.5 實驗結(jié)果及分析36-40
• 3.5.1 實驗評價指標36-37
• 3.5.2 微博分類實驗結(jié)果37-38
• 3.5.3 實例分析38-39
• 3.5.4 用戶興趣識別實驗結(jié)果39-40
• 3.5.5 實驗結(jié)果分析40
• 3.6 本章小結(jié)40-42
• 第4章 基于主題增強卷積神經(jīng)網(wǎng)絡(luò)的用戶興趣識別42-53
• 4.1 引言42
• 4.2 模型結(jié)構(gòu)42-44
• 4.3 實驗方法與數(shù)據(jù)44-45
• 4.3.1 實驗方法44-45
• 4.3.2 實驗數(shù)據(jù)45
• 4.4 實驗結(jié)果與分析45-52
• 4.4.1 實驗評價指標45
• 4.4.2 微博分類實驗結(jié)果45-46
• 4.4.3 實例分析46-49
• 4.4.4 用戶興趣識別實驗結(jié)果49-51
• 4.4.5 實驗結(jié)果分析51-52
• 4.5 本章小結(jié)52-53
• 第5章 聊天機器人笨笨的新聞推薦模塊53-61
• 5.1 引言53
• 5.2 動機53-54
• 5.3 個性化新聞推薦54-55
• 5.4 新聞推薦模塊的處理流程55-60
• 5.5 新聞推薦模塊的效果60
• 5.6 本章小結(jié)60-61
• 結(jié)論61-62
• 參考文獻62-67
• 致謝67

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王杰;使圖像的編輯更加容易[J];中文信息;1998年Z1期

2 王波,姚敏;基于信息抽取的匿名用戶興趣描述[J];華南理工大學學報(自然科學版);2004年S1期

3 董全德;;用戶興趣遷移模式與個性化服務(wù)[J];電腦知識與技術(shù)(學術(shù)交流);2007年17期

4 鄭運剛;馬建國;;基于分類的用戶興趣漂移模型[J];情報雜志;2008年01期

5 張濤;;基于瀏覽歷史的用戶興趣提取模型[J];軟件導刊;2009年06期

6 楊杰;陳恩紅;;面向個性化服務(wù)的用戶興趣偏移檢測及處理方法[J];電子技術(shù);2009年11期

7 陳圣兵;李龍澍;紀霞;;多層次用戶興趣模式的動態(tài)捕捉[J];計算機工程與應(yīng)用;2009年36期

8 鄭曉健;龐淑英;何英;;一種面向主題的用戶興趣挖掘模型研究[J];昆明學院學報;2010年03期

9 花青松;劉海峰;胡錚;;基于基尼系數(shù)的用戶興趣分布模式度量方法[J];計算機工程;2012年22期

10 孫雨生;劉偉;仇蓉蓉;黃傳慧;;國內(nèi)用戶興趣建模研究進展[J];情報雜志;2013年05期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 趙琦;駱志剛;田文穎;李聰;丁凡;;一種基于負反饋信息的用戶興趣模型修正方法[A];中國通信學會第六屆學術(shù)年會論文集（下）[C];2009年

2 孫靜;郭奇;張志強;馮建華;;一種基于面向領(lǐng)域檢索系統(tǒng)的用戶興趣獲取方法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

3 孫鐵利;教巍巍;;基于馬爾科夫模型的用戶興趣導航模型系統(tǒng)(英文)[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學與技術(shù)應(yīng)用（CACIS）學術(shù)會議論文集（上冊）[C];2006年

4 廖祝華;劉建勛;易愛平;;基于用戶興趣的Web服務(wù)發(fā)現(xiàn)[A];2006年全國開放式分布與并行計算機學術(shù)會議論文集（三）[C];2006年

5 李曉黎;史忠植;梁永全;劉福桃;;INTERNET網(wǎng)上一種識別用戶興趣的學習方法[A];第十六屆全國數(shù)據(jù)庫學術(shù)會議論文集[C];1999年

6 田萱;杜小勇;;基于SAM模型的用戶興趣表示研究[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

7 王勇;劉奕群;張敏;馬少平;茹立云;;基于用戶興趣分析的網(wǎng)頁生命周期建模(英文)[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 中國科學院計算技術(shù)研究所 王 斌;內(nèi)容為王[N];計算機世界;2004年

中國博士學位論文全文數(shù)據(jù)庫 前8條

1 張召;在線論壇用戶興趣圖譜發(fā)現(xiàn)與個性化信息推薦[D];華東師范大學;2012年

2 劉淇;基于用戶興趣建模的推薦方法及應(yīng)用研究[D];中國科學技術(shù)大學;2013年

3 郭巖;網(wǎng)絡(luò)日志中用戶興趣的挖掘及利用[D];中國科學院研究生院（計算技術(shù)研究所）;2004年

4 吳麗輝;個性化的Web信息采集技術(shù)研究[D];中國科學院研究生院（計算技術(shù)研究所）;2005年

5 謝興;社會網(wǎng)絡(luò)中興趣發(fā)現(xiàn)與信息組織的研究[D];復旦大學;2011年

6 李東勝;基于興趣與保護隱私的在線社區(qū)推薦技術(shù)研究[D];復旦大學;2012年

7 陳浩;Web搜索的用戶興趣與智能優(yōu)化研究[D];中南大學;2012年

8 姜邵巍;基于競爭關(guān)系的推薦技術(shù)研究[D];北京郵電大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳媛媛;用戶興趣圖譜演化機制研究[D];武漢理工大學;2014年

2 梁潤庭(Runting Leung);面向微博用戶的興趣識別算法的研究與實現(xiàn)[D];西南交通大學;2015年

3 俞忻峰;新浪微博的數(shù)據(jù)采集和推薦方案研究[D];南京理工大學;2015年

4 楊梅;基于樹型網(wǎng)絡(luò)的多源用戶興趣數(shù)據(jù)融合方法研究[D];四川師范大學;2015年

5 石光蓮;基于形式概念分析的Folksonomy用戶興趣識別研究[D];西南大學;2015年

6 湯文清;微博用戶的興趣及性格分析[D];上海大學;2015年

7 梅佩;基于瀏覽內(nèi)容的用戶興趣研究[D];北京化工大學;2015年

8 張少杰;基于用戶興趣的微博廣告投放系統(tǒng)的設(shè)計與實現(xiàn)[D];山西大學;2015年

9 黃龍偉;基于蟻群算法的WEB日志用戶興趣路徑研究[D];江西師范大學;2015年

10 方正;微博短文本分析技術(shù)研究及應(yīng)用[D];電子科技大學;2014年

  本文關(guān)鍵詞：微博用戶興趣識別技術(shù)的研究與應(yīng)用

  更多相關(guān)文章： 主題模型 卷積神經(jīng)網(wǎng)絡(luò) 微博分類 用戶興趣識別

，

本文編號：511772