本文選題：可變精度 + 情感相似度��； 參考：《哈爾濱工業(yè)大學(xué)》2014年博士論文

【摘要】：隨著web2.0的發(fā)展，社會(huì)化媒體已經(jīng)成為當(dāng)今信息傳播、信息獲取和溝通交流的主要平臺(tái)。社會(huì)化媒體帶來方便的同時(shí)，由于信息發(fā)布和更新速度異�？旖荩斐山涣髌脚_(tái)產(chǎn)生巨大冗余信息。為了從海量信息中找到用戶感興趣的信息和用戶，需要借助智能系統(tǒng)的幫助。社會(huì)化推薦系統(tǒng)是解決社會(huì)化媒體平臺(tái)中信息過載的重要工具，它可以幫助用戶從海量信息中找到感興趣的用戶和內(nèi)容。社會(huì)化推薦系統(tǒng)的研究能夠拓展社會(huì)網(wǎng)絡(luò)中用戶推薦范圍和準(zhǔn)確度，完成知識(shí)的主動(dòng)推送，并幫助企業(yè)豐富營銷手段和業(yè)務(wù)增長。然而，在社會(huì)化媒體上如何利用社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)和文本信息構(gòu)建社會(huì)化推薦系統(tǒng)框架是目前面臨的研究難題。因此，本文以新浪微博平臺(tái)為例，研究如何利用各種信息構(gòu)建社會(huì)化推薦系統(tǒng)，其主要研究內(nèi)容如下： 首先，基于可變精度的微博網(wǎng)絡(luò)數(shù)據(jù)收集和基本網(wǎng)絡(luò)分析。在收集用于推薦系統(tǒng)的微博網(wǎng)絡(luò)數(shù)據(jù)時(shí)需要確定邊界，本文利用可變精度方法確定數(shù)據(jù)收集范圍。我們先將此方法在公共數(shù)據(jù)集上驗(yàn)證，利用可變變精度方法對(duì)電影評(píng)價(jià)的數(shù)據(jù)進(jìn)行處理，研究不同精度下推薦結(jié)果的變化。結(jié)果顯示，只有在一定閾值內(nèi)，數(shù)據(jù)量精度越高推薦效果才會(huì)越好。從而驗(yàn)證了基于可變精度方法能夠獲得數(shù)據(jù)集合最佳邊界。然后，我們將可變精度方法運(yùn)用到確定微博種子用戶數(shù)上。根據(jù)對(duì)電影評(píng)價(jià)的同樣的推薦方法，研究不同精度的種子收集到的網(wǎng)絡(luò)數(shù)據(jù)的推薦結(jié)果。從而確定最優(yōu)種子數(shù)，為最終推薦系統(tǒng)確定最佳數(shù)據(jù)量。在此基礎(chǔ)上收集了某一主題的微博網(wǎng)絡(luò)，并對(duì)其做了基本網(wǎng)絡(luò)分析和無標(biāo)度特性分析。 其次，基于指數(shù)隨機(jī)圖模型的微博網(wǎng)絡(luò)節(jié)點(diǎn)連接預(yù)測研究。本文提出利用指數(shù)隨機(jī)圖模型來對(duì)某一主題微博網(wǎng)絡(luò)進(jìn)行建模的方法，并通過蒙特卡羅極大似然估計(jì)（MonteCarloMLE）計(jì)算不同結(jié)構(gòu)的參數(shù)。并通過仿真和擬合度分析，比較構(gòu)建的指數(shù)隨機(jī)圖模型對(duì)原有網(wǎng)絡(luò)之間的代表能力。在對(duì)糖尿病微博網(wǎng)絡(luò)進(jìn)行建模實(shí)證研究中，揭示了不同時(shí)期的模型中不同結(jié)構(gòu)的演化過程。在此基礎(chǔ)上，由于未連接節(jié)點(diǎn)建立連接引起網(wǎng)絡(luò)構(gòu)造變化，我們通過計(jì)算某一對(duì)節(jié)點(diǎn)連接前后的構(gòu)造變化預(yù)測這一節(jié)點(diǎn)對(duì)建立連接的概率，經(jīng)過排序后為社會(huì)化推薦系統(tǒng)提供最初的推薦列表。 再次，利用情感分析方法研究社會(huì)化網(wǎng)絡(luò)文本特征。情感分析（Opinionmining）是對(duì)文本內(nèi)容進(jìn)行態(tài)度分類，從用戶發(fā)布的文本信息和其他信息尋找用戶對(duì)某一主題的態(tài)度。在微博信息中，包含了用戶發(fā)布文本內(nèi)容和微博表情。為此，我們以糖尿病主題微博為例選擇126個(gè)文本和微博特征，并融合信息增益和支持向量機(jī)的方法進(jìn)行特征提取。并對(duì)這些特征進(jìn)行分類，分析不同類別的特征的對(duì)情感分類的貢獻(xiàn)度。隨后，基于Karhunen-Loéve變換方法計(jì)算積極和消極文本平均距離，提出了情感相似度的概念來衡量用戶間對(duì)同一話題的態(tài)度相關(guān)性。 最后，構(gòu)建基于修正情感相似度的社會(huì)化推薦系統(tǒng)框架。本文分析了影響社會(huì)化推薦的心理和行為因素，認(rèn)為信任度、同質(zhì)性和意見領(lǐng)袖導(dǎo)致用戶是否采用推薦的決策行為的三個(gè)因素。為此，本文將三種社會(huì)化影響因素量化，，并與微博社會(huì)網(wǎng)絡(luò)一一映射。將指數(shù)隨機(jī)圖模型給出的節(jié)點(diǎn)連接預(yù)測與修正情感相似結(jié)合，能夠提供符合用戶情感偏好的推薦列表，從而進(jìn)一步構(gòu)建了社會(huì)化推薦系統(tǒng)框架。為了驗(yàn)證本方法的推薦性能，我們通過糖尿病和嬰幼兒主題微博推薦的實(shí)證分析，并與其它方法進(jìn)行比較，評(píng)價(jià)結(jié)果驗(yàn)證了我們方法在社會(huì)化推薦上的優(yōu)越性和普適性。
[Abstract]:With the development of web2.0 , social media has become the main platform for information dissemination , information acquisition and communication . It is an important tool for information overload in social media .

First , the data collection and basic network analysis of micro blog network based on variable precision is carried out . It is necessary to determine the boundary when collecting the micro blog network data used for recommending the system . The data collection range is determined by the variable precision method . The result shows that the optimal seed number can be obtained by using the variable precision method . The results show that the optimal seed number can be determined for the final recommendation system . Based on the same recommendation method , the micro blog network of a certain topic is collected and the basic network analysis and the scale - free characteristic analysis are made .

In this paper , we propose a method for modeling a micro - blog network based on exponential stochastic graph model . In this paper , we propose a method to model a topic micro - blog network by using exponential stochastic graph model , and then the evolution of different structures in the model of different periods is revealed through Monte Carlo Maximum Likelihood Estimation ( MonteCarlo MLE ) .

In this paper , we select 126 text and micro blog features from user ' s published text information and other information to find the attitude of the user to a topic . In this paper , we select 126 texts and micro blog features from user ' s published text information and other information . We classify the features and analyze the contribution of different categories of features to emotion classification . Then , based on Karhunen - Lobe transform method , we calculate the average distance of positive and negative text , and put forward the concept of emotion similarity to measure the attitude of users to the same topic .

Finally , the thesis analyzes the psychological and behavioral factors that influence the social recommendation . This paper analyzes the psychological and behavioral factors that influence the social recommendation , and points out that the trust degree , the homogeneity and the opinion leader guide the user whether to adopt the recommended decision - making behavior . In order to verify the recommended performance of this method , we can provide the recommendation list which accords with the user ' s emotional preference . In order to verify the recommended performance of this method , we compare the results with other methods . The evaluation results validate the superiority and universality of our method in the socialization recommendation .
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：C912.1;G206

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 任平;;論差異性社會(huì)的正義邏輯[J];江海學(xué)刊;2011年02期

2 黎星星,黃小琴,朱慶生;電子商務(wù)推薦系統(tǒng)研究[J];計(jì)算機(jī)工程與科學(xué);2004年05期

3 Marcelo G.Armentano;Daniela Godoy;Analía Amandi;;Topology-Based Recommendation of Users in Micro-Blogging Communities[J];Journal of Computer Science & Technology;2012年03期

4 劉平峰;聶規(guī)劃;陳冬林;;電子商務(wù)推薦系統(tǒng)研究綜述[J];情報(bào)雜志;2007年09期

5 邢淑芬,俞國良;社會(huì)比較研究的現(xiàn)狀與發(fā)展趨勢[J];心理科學(xué)進(jìn)展;2005年01期

6 劉魯;任曉麗;;推薦系統(tǒng)研究進(jìn)展及展望[J];信息系統(tǒng)學(xué)報(bào);2008年01期

7 馬宏偉;張光衛(wèi);李鵬;;協(xié)同過濾推薦算法綜述[J];小型微型計(jì)算機(jī)系統(tǒng);2009年07期

8 王君澤;王雅蕾;禹航;徐曉林;王國華;曾潤喜;;微博客意見領(lǐng)袖識(shí)別模型研究[J];新聞與傳播研究;2011年06期

9 劉建國;周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

本文編號(hào)：2064567