當(dāng)前,用戶原創(chuàng)內(nèi)容(User Generated Content,UGC)數(shù)量規(guī)模龐大、增長迅速,內(nèi)容千差萬別,信息質(zhì)量良莠不齊。如何實現(xiàn)UGC的高效自動評估并從中獲取切實有用的信息,已成為一個極具挑戰(zhàn)的問題。本文在分析UGC文本內(nèi)容的基礎(chǔ)上,針對網(wǎng)絡(luò)論壇中的特定用戶建立了基于時間序列預(yù)測法的UGC質(zhì)量預(yù)測模型。本文首先介紹了時間序列預(yù)測的相關(guān)方法、各個方法的基本原理及優(yōu)缺點,重點研究差分自回歸移動平均模型(Autoregressive Integrated Moving Average Model,ARIMA)和神經(jīng)網(wǎng)絡(luò)。隨后結(jié)合多模型融合預(yù)測的思想,提出使用融合模型預(yù)測UGC數(shù)量,并建立小波融合模型預(yù)測UGC質(zhì)量。融合模型思想認為待分析的時間序列由線性部分和非線性部分兩部分組成,并使用統(tǒng)計學(xué)模型和神經(jīng)網(wǎng)絡(luò)分別分析。小波融合模型結(jié)合融合模型思想使用線性模型提取時間序列的線性部分,隨后使用小波變換方法分析殘差部分并使用神經(jīng)網(wǎng)絡(luò)分析,預(yù)測特定的網(wǎng)絡(luò)用戶發(fā)表和回復(fù)UGC的質(zhì)量。本文的實驗語料是“天涯論壇——雜談板塊”中的部分UGC。UGC質(zhì)量是由人工標(biāo)注法分類,分為“精品貼”和“普通帖”。...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
第一章 緒論
    1.1 課題背景與意義
    1.2 UGC國內(nèi)外研究現(xiàn)狀
    1.3 時間序列預(yù)測法國內(nèi)外研究現(xiàn)狀
    1.4 本文的主要研究內(nèi)容
    1.5 創(chuàng)新點
    1.6 論文組織結(jié)構(gòu)
第二章 相關(guān)方法和技術(shù)介紹
    2.1 網(wǎng)絡(luò)爬蟲技術(shù)
    2.2 TensorFlow系統(tǒng)
    2.3 時間序列預(yù)測法
    2.4 本章小結(jié)
第三章 UGC數(shù)量預(yù)測模型研究與實驗分析
    3.1 數(shù)據(jù)預(yù)處理
    3.2 基于ARIMA模型的UGC數(shù)量預(yù)測
    3.3 基于BP神經(jīng)網(wǎng)絡(luò)的UGC數(shù)量預(yù)測
    3.4 基于融合模型的UGC數(shù)量預(yù)測
    3.5 本章小結(jié)
第四章 UGC質(zhì)量預(yù)測模型研究與實驗分析
    4.1 特征選取
    4.2 基于小波融合模型的UGC質(zhì)量預(yù)測
    4.3 基于人工神經(jīng)網(wǎng)絡(luò)的UGC質(zhì)量分類預(yù)測
    4.4 基于SVM的UGC質(zhì)量預(yù)測
    4.5 本章小結(jié)
第五章 UGC行為預(yù)測系統(tǒng)
    5.1 UGC行為預(yù)測系統(tǒng)設(shè)計
    5.2 UGC行為預(yù)測系統(tǒng)數(shù)據(jù)預(yù)處理與結(jié)果展示
    5.3 UGC行為預(yù)測系統(tǒng)更新
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 主要工作及創(chuàng)新點
    6.2 研究展望
參考文獻
致謝
攻讀學(xué)位期間取得的研究成果



本文編號：3819397