發(fā)布時(shí)間：2018-05-05 23:49

  本文選題：社區(qū)問答系統(tǒng) + 用戶標(biāo)簽�。� 參考：《昆明理工大學(xué)》2017年碩士論文

【摘要】：隨著Web 2.0技術(shù)的應(yīng)用和發(fā)展,社區(qū)問答系統(tǒng)(CQA)作為新型知識(shí)獲取模式中的一種典型應(yīng)用,增強(qiáng)了提問者與回答者之間的交互性,使用戶之間的聯(lián)系更加緊密,同時(shí)用戶可以對(duì)問答平臺(tái)中已有的知識(shí)信息進(jìn)行搜索和評(píng)價(jià),這種應(yīng)用相較于搜索引擎來說,無疑是一種新的信息獲取模式,并且使用起來更加便捷有效。然而,伴隨著社區(qū)問答系統(tǒng)的不斷發(fā)展,其吸引了大量的用戶參與,這使得在社區(qū)問答中的信息資源越來越龐大,并且由于社區(qū)問答的特有交互模式,使得CQA面臨了許多問題和挑戰(zhàn),那么如何準(zhǔn)確理解用戶行為與需求,向用戶提供完善的個(gè)性化推薦服務(wù)就成為了 CQA所亟待解決的問題。用戶興趣建模作為個(gè)性化推薦服務(wù)中的關(guān)鍵技術(shù),用戶興趣模型的使用直接關(guān)系到系統(tǒng)個(gè)性化推薦服務(wù)的效果。本文針對(duì)社區(qū)問答中用戶的興趣模型建模方法進(jìn)行了分析研究,主要完成了以下研究工作:(1)對(duì)以“百度知道”為例的社區(qū)問答結(jié)構(gòu)進(jìn)行了具體分析。在對(duì)社區(qū)問答用戶的興趣進(jìn)行建模前,我們需要充分了解用戶所處的使用環(huán)境。通過分析,我們可以了解社區(qū)問答用戶在社區(qū)中的互動(dòng)過程,對(duì)社區(qū)問答用戶的需求有了一定的認(rèn)知,為我們較好的獲取用戶興趣信息提供了一定基礎(chǔ)。(2)針對(duì)社區(qū)問答用戶標(biāo)簽具有的特殊屬性,提出了在社區(qū)問答用戶興趣建模的過程中融合用戶標(biāo)簽的建模方法,該方法在用戶興趣特征提取過程中上融合了標(biāo)簽的作用,有效解決了用戶興趣特征集的稀疏性問題,增強(qiáng)了用戶的興趣特征表示,并且在建模過程中選用了譜聚類算法對(duì)模型進(jìn)行學(xué)習(xí),最終構(gòu)建了融合標(biāo)簽的社區(qū)問答用戶興趣模型。實(shí)驗(yàn)結(jié)果表明,經(jīng)過融合標(biāo)簽特征后可以有效提高用戶興趣模型的準(zhǔn)確性,并且譜聚類算法在模型學(xué)習(xí)上的效果要優(yōu)于傳統(tǒng)的K-means聚類算法。(3)針對(duì)社區(qū)問答用戶興趣偏移的問題,對(duì)用戶興趣變化的特點(diǎn)進(jìn)行了分析,基于艾賓浩斯遺忘規(guī)律的理論基礎(chǔ),采用了興趣遺忘函數(shù)對(duì)用戶興趣權(quán)重做時(shí)間優(yōu)化更新計(jì)算,構(gòu)建了基于遺忘規(guī)律的社區(qū)問答用戶興趣模型,實(shí)現(xiàn)了用戶興趣模型的動(dòng)態(tài)更新。實(shí)驗(yàn)結(jié)果表明,基于遺忘規(guī)律的社區(qū)問答用戶興趣建模方法在評(píng)價(jià)指標(biāo)上要優(yōu)于融合標(biāo)簽的社區(qū)問答用戶興趣建模方法。
[Abstract]:With the application and development of Web 2.0 technology, the community Q & A system is a typical application in the new knowledge acquisition mode, which enhances the interaction between the questioner and the responder, and makes the connection between users closer. At the same time, users can search and evaluate the existing knowledge information in the Q & A platform. Compared with the search engine, this application is undoubtedly a new mode of information acquisition, and it is more convenient and effective to use. However, with the continuous development of the community question and answer system, it attracts a large number of users, which makes the information resources in the community question and answer more and more huge, and because of the unique interactive mode of community question and answer. CQA is faced with many problems and challenges, so how to accurately understand the user's behavior and needs, and provide users with a perfect personalized recommendation service has become a problem to be solved urgently in CQA. User interest modeling is a key technology in personalized recommendation service. The use of user interest model is directly related to the effect of personalized recommendation service. In this paper, the modeling method of user's interest model in community Q & A is analyzed, and the following research work is done: 1) the community question and answer structure which takes "Baidu know" as an example is analyzed concretely. Before modeling the interest of community Q & A users, we need to fully understand the user's use environment. Through analysis, we can understand the interactive process of community Q & A users in the community, and have a certain understanding of the needs of community Q & A users. This paper provides a basis for us to obtain user interest information. (2) aiming at the special attributes of community Q & A user tags, a modeling method of integrating user tags in the process of interest modeling of community Q & A users is proposed. This method combines the functions of tags in the process of user interest feature extraction, solves the sparse problem of user interest feature set effectively, and enhances the user interest feature representation. In the process of modeling, the spectral clustering algorithm is used to learn the model, and finally, the interest model of community Q & A users is constructed. The experimental results show that the accuracy of user interest model can be improved by merging tag features, and the spectral clustering algorithm is better than the traditional K-means clustering algorithm in model learning. The characteristics of user interest change are analyzed. Based on the theoretical basis of Ibinhaus' forgetting law, the interest forgetting function is used to calculate the time optimal updating of user interest weight. The community Q & A interest model based on forgetting law is constructed, and the dynamic update of user interest model is realized. The experimental results show that the interest modeling method based on forgetting law is superior to the one based on fusion label in evaluating the interest of community Q & A users.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊李婷;陳翰雄;;用戶興趣建模綜述[J];軟件導(dǎo)刊;2015年10期

2 邢千里;劉列;劉奕群;張敏;馬少平;;微博中用戶標(biāo)簽的研究[J];軟件學(xué)報(bào);2015年07期

3 徐曉彤;胡松筠;;社交網(wǎng)站用戶興趣模型研究[J];科技和產(chǎn)業(yè);2014年11期

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

5 田久樂;趙蔚;;基于同義詞詞林的詞語相似度計(jì)算方法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年06期

6 施聰鶯;徐朝軍;楊曉江;;TFIDF算法研究綜述[J];計(jì)算機(jī)應(yīng)用;2009年S1期

7 邵秀麗;乜聚科;侯樂彩;田振雷;;基于綜合用戶信息的用戶興趣建模研究[J];南開大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

8 蔡曉妍;戴冠中;楊黎斌;;譜聚類算法綜述[J];計(jì)算機(jī)科學(xué);2008年07期

9 胡燕;吳虎子;鐘珞;;中文文本分類中基于詞性的特征提取方法研究[J];武漢理工大學(xué)學(xué)報(bào);2007年04期

10 李寶林;蘭蕓;張翼英;;基于動(dòng)態(tài)遺傳算法的用戶模型進(jìn)化研究[J];計(jì)算機(jī)工程與應(yīng)用;2006年14期

相關(guān)博士學(xué)位論文 前2條

1 廉鑫;社區(qū)問答系統(tǒng)中若干關(guān)鍵問題研究[D];南開大學(xué);2014年

2 應(yīng)曉敏;面向Internet個(gè)性化服務(wù)的用戶建模技術(shù)研究[D];中國人民解放軍國防科學(xué)技術(shù)大學(xué);2003年

相關(guān)碩士學(xué)位論文 前8條

1 陳召新;基于譜聚類的個(gè)性化推薦算法[D];沈陽建筑大學(xué);2015年

2 皮佳明;基于用戶興趣變化的協(xié)同過濾推薦算法研究[D];云南財(cái)經(jīng)大學(xué);2014年

3 丁浩;基于用戶興趣變化動(dòng)態(tài)聚類的協(xié)同過濾算法[D];南京郵電大學(xué);2014年

4 宮玲玲;面向個(gè)性化推薦的用戶興趣建模技術(shù)研究[D];山東師范大學(xué);2013年

5 李娟;改進(jìn)相似性測(cè)度的譜聚類研究[D];大連理工大學(xué);2012年

6 林少波;中文文本分類特征提取方法的研究與實(shí)現(xiàn)[D];重慶大學(xué);2011年

7 馮子威;用戶興趣建模的研究[D];哈爾濱工業(yè)大學(xué);2010年

8 趙全;基于半監(jiān)督學(xué)習(xí)的中文問句分類研究[D];昆明理工大學(xué);2010年

，

本文編號(hào)：1849793