【摘要】：近年來,互聯(lián)網(wǎng)時代的迅速發(fā)展使得個性化推薦技術被廣泛應用,同時人工智能技術的進步帶動了機器人技術的革新,新一代的機器人具有更加人性化的情感計算能力。從服務于空巢老人的思路出發(fā),提出了融合用戶情感的新聞推薦系統(tǒng)項目,本文主要研究該項目中的兩個子任務:基于情感的新聞分類任務和基于用戶情感的新聞推薦模型構建任務,以此可以為整個項目做技術鋪墊。本文主要工作總結如下:(1)首先介紹了本文的研究背景與意義,并分別對文本情感分析和個性化新聞推薦的研究現(xiàn)狀進行了總結與概括。然后從文本情感分類的角度,介紹了基于機器學習的分類方法所用到的相關技術,包括數(shù)據(jù)預處理、文本表示、文本特征提取、以及常用機器學習方法,同時還介紹了兩種基本的人工神經(jīng)網(wǎng)絡模型。接著介紹了兩種比較成熟的推薦算法,并簡單介紹了推薦系統(tǒng)中常用的推薦方法、評測指標以及實驗方法。(2)其次對于基于情感的新聞分類問題,根據(jù)新聞的特征以及對常用文本情感分類方法的比較,最終以卷積神經(jīng)網(wǎng)絡為原型提出了多輸入通道卷積神經(jīng)網(wǎng)絡模型(MIC-CNN)對新聞標題做情感分類。MIC-CNN模型的輸入層有三個輸入通道,在卷積池化層將三個通道進行加權組合,最終由softmax函數(shù)完成情感分類。通過對比實驗驗證了該方法是可行的,而且比其他方法的分類效果有所提高。(3)最后針對基于用戶情感的新聞推薦問題,主要分析了如何獲取具有情感信息的新聞數(shù)據(jù)、如何獲取用戶的情緒信息以及如何融合情感做興趣推薦三個難點。經(jīng)過研究本文利用前文的新聞情感分類方法來獲取具有情感信息的新聞;利用現(xiàn)有技術如語音情感識別、面部表情檢測等方法可以一定程度獲取情緒;通過分析人情緒的特點提出了五種情感推薦策略來做興趣推薦。然后給出了融合用戶情感的新聞推薦系統(tǒng)框架,最后以用戶調(diào)查的實驗方法驗證了基于情感的新聞推薦系統(tǒng)方案的可行性和有效性。
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.1;TP242;TP18
【圖文】：

圖 1. 1 Nao 機器人實體圖Fig 1.1 Nao robot entity diagram研究現(xiàn)狀近年來相關領域的的研究現(xiàn)狀可以將第一部分研究歸類為文本的情而融合用戶情感的新聞推薦研究是屬于推薦系統(tǒng)的范疇，下面分兩兩點在國內(nèi)外的研究現(xiàn)狀。情感分析研究現(xiàn)狀情感分析[6]通常又可以稱為意見挖掘[7]或者傾向性分析，它主要是對彩的主觀性文本進行分析、處理、歸納和推理的過程。例如，對于信息，通過分析其內(nèi)容下面的用戶評論來獲得大眾對微博內(nèi)容的整本情感分析的核心問題是情感分類[8]，它的目的是分析文本的情感分類的粒度可以分為：正面和負面的二元分類；積極、消極以及中；還有更細粒度的分類方式，比如視頻網(wǎng)站上會經(jīng)常設置五星級評

第二章 相關理論與技術第二章 相關理論與技術2.1 文本情感分析技術文本情感分析技術目前在國內(nèi)外迅速發(fā)展，研究的方法也分門別類，第一章介紹了五類常用的方法，本章將詳細介紹本文將會用到的基于機器學習[35]方法和基于深度學習[36]方法的文本情感分類的相關技術。這兩種方法的實現(xiàn)流程大致相同，不同之處主要是文本的特征表示和特征提取部分，總的流程圖如圖 2.1 所示。

CBOW模型

【參考文獻】

相關碩士學位論文 前1條

1 王振浩;基于情感字典與機器學習相結合的文本情感分類[D];哈爾濱工業(yè)大學;2010年

本文編號：2793863