隨著在線社交媒體的發(fā)展,對(duì)用戶興趣的研究以及在此基礎(chǔ)上進(jìn)行相關(guān)的應(yīng)用開(kāi)發(fā),具有重要意義。由于微博中用戶一般具有個(gè)性化的信息,同時(shí)在用戶發(fā)布的微博短文本中往往含有情緒或情感信息,因此,對(duì)用戶微博文本進(jìn)行分析挖掘,完成用戶的情緒認(rèn)知、個(gè)性人格分析、興趣抽取,并在此基礎(chǔ)上完善個(gè)性化推薦,是有意義的。本文構(gòu)建了用戶能量模型,改進(jìn)了基于LDA的興趣抽取模型,完善了個(gè)性化推薦。主要工作如下:1)根據(jù)用戶情感語(yǔ)義分析,結(jié)合Big-Five心理個(gè)性方法,構(gòu)建用戶能量模型。通過(guò)算法對(duì)比,構(gòu)建用戶正負(fù)能量的模型,將用戶的文字轉(zhuǎn)換成向量輸入到SVM進(jìn)行訓(xùn)練,分析新的語(yǔ)料庫(kù),預(yù)測(cè)新用戶能量極性。2)構(gòu)建基于改進(jìn)LDA的個(gè)性化興趣抽取算法,探究用戶興趣標(biāo)簽抽取的有效方法。通過(guò)LTP句法分析工具處理詞對(duì),經(jīng)由LDA算法進(jìn)行興趣標(biāo)簽抽取。通過(guò)與BTM算法對(duì)比,使用多個(gè)基準(zhǔn)進(jìn)行校驗(yàn),實(shí)驗(yàn)結(jié)果表明使用改進(jìn)算法抽取的興趣標(biāo)簽更準(zhǔn)確。3)提出了一個(gè)基于用戶能量模型和興趣標(biāo)簽的推薦方法,該方法可以推薦群體中能量相似的用戶。其中協(xié)同過(guò)濾算法用來(lái)擴(kuò)展興趣標(biāo)簽,Doc2vec用來(lái)將文本向量化,以此實(shí)現(xiàn)用戶之間的相似推薦。實(shí)驗(yàn)結(jié)果表... 

【文章來(lái)源】：河北科技大學(xué)河北省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文主題流程

獻(xiàn)[54]中設(shè)計(jì)實(shí)現(xiàn)條件相對(duì)熵的個(gè)性化推薦算法，并準(zhǔn)確實(shí)現(xiàn)推薦算法。2.3.2 Doc2vec 算法Tomas Mikolov 提出了 Doc2Vec 方法，它實(shí)際上是基于 Word2vec 模型。Word2vec 一樣，Doc2Vec 也有兩種模式，分布式存儲(chǔ)器(DM)和分布式字袋(DBODBOW 模型預(yù)測(cè)給定文檔向量的文檔中的一組隨機(jī)單詞的概率。如圖 2-3 所示：

與此同時(shí)本文還將無(wú)監(jiān)督和有監(jiān)督的機(jī)器學(xué)習(xí)SVM、決策樹(shù)、KNN、貝葉斯、邏輯斯特回歸、隨機(jī)森林等多種機(jī)器學(xué)習(xí)算法作比較。經(jīng)由實(shí)驗(yàn)表明，本文中利用的情感識(shí)別的思想，得出來(lái)的結(jié)果在F值中效果略好。如圖3-3：圖 3-3 基于本文方法與其他機(jī)器學(xué)習(xí)算法性能比較 AVG F-measure

【參考文獻(xiàn)】：
期刊論文
[1]基于用戶興趣模型的個(gè)性推薦算法[J]. 郁鋼,陸海良,單宇翔,高揚(yáng)華.  智能計(jì)算機(jī)與應(yīng)用. 2018(02)
[2]基于主題模型分析與用戶長(zhǎng)短興趣的活動(dòng)推薦[J]. 高澤鋒,王邦,徐明華.  小型微型計(jì)算機(jī)系統(tǒng). 2018(04)
[3]基于改進(jìn)用戶興趣模型的個(gè)性化圖書(shū)推薦算法（英文）[J]. 趙杰.  機(jī)床與液壓. 2018(06)
[4]一種基于隱式反饋的用戶興趣模型構(gòu)建方法[J]. 趙文朋,丁艷輝,金連旭,張駿.  計(jì)算機(jī)與數(shù)字工程. 2018(03)
[5]基于標(biāo)簽和PageRank的重要微博用戶推薦算法[J]. 王嶸冰,安維凱,馮勇,徐紅艷.  計(jì)算機(jī)科學(xué). 2018(02)
[6]大學(xué)生大五人格、社交焦慮和手機(jī)成癮傾向的關(guān)系研究[J]. 鐘華華.  濰坊工程職業(yè)學(xué)院學(xué)報(bào). 2018(01)
[7]一種改進(jìn)的Supervised-LDA文本模型及其應(yīng)用[J]. 許騰騰,黃恒君.  計(jì)算機(jī)工程. 2018(01)
[8]基于多模數(shù)據(jù)的微博用戶興趣識(shí)別研究[J]. 曾金,陸偉,陳海華,賀國(guó)秀.  情報(bào)科學(xué). 2018(01)
[9]一種基于RLDA主題模型的特征提取方法[J]. 馮新淇,張琨,任奕豪,謝彬,趙靜.  計(jì)算機(jī)與數(shù)字工程. 2017(10)
[10]基于文本與社交信息的用戶群組識(shí)別[J]. 王中卿,李壽山,周國(guó)棟.  軟件學(xué)報(bào). 2017(09)

碩士論文
[1]基于微博文本情感計(jì)算的用戶個(gè)性分析方法的研究[D]. 劉多星.河北科技大學(xué) 2018
[2]中文微博短文本主題挖掘方法研究與原型系統(tǒng)開(kāi)發(fā)[D]. 楊柯帆.大連海事大學(xué) 2017
[3]基于情感詞典的中文微博情感分析研究[D]. 鄭毅.中山大學(xué) 2014
[4]微博情感詞典的構(gòu)建及其在微博情感分析中的應(yīng)用研究[D]. 李鈺.鄭州大學(xué) 2014



本文編號(hào)：3399060