【摘要】：隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和智能移動(dòng)設(shè)備的廣泛普及,基于地點(diǎn)的社交媒體應(yīng)運(yùn)而生,并產(chǎn)生了大量與地點(diǎn)相關(guān)的用戶行為數(shù)據(jù)。個(gè)性化推薦針對(duì)用戶行為數(shù)據(jù)建模,是大數(shù)據(jù)時(shí)代下幫助用戶克服信息過(guò)載和實(shí)現(xiàn)企業(yè)精準(zhǔn)營(yíng)銷(xiāo)的核心技術(shù)。傳統(tǒng)的推薦算法并未充分考慮地理位置信息及其與多種類(lèi)型數(shù)據(jù)之間的交互關(guān)系,因而不能在該新媒體中獲得理想的推薦效果。本文以數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)相關(guān)理論為基礎(chǔ),對(duì)基于地點(diǎn)的社會(huì)化媒體中4種代表性的用戶建模和內(nèi)容推薦問(wèn)題開(kāi)展了系統(tǒng)性研究,能夠促進(jìn)學(xué)術(shù)界對(duì)基于地點(diǎn)的社交媒體進(jìn)行深度研究,并推動(dòng)工業(yè)界部署相關(guān)推薦應(yīng)用。本文的研究問(wèn)題和技術(shù)貢獻(xiàn)總結(jié)如下:1.基于聚會(huì)的小組推薦:為解決傳統(tǒng)小組推薦方法只針對(duì)線上虛擬小組的問(wèn)題,本文充分探究了地理位置因素對(duì)用戶參加小組的影響,并提出了一個(gè)統(tǒng)一模型PTARMIGAN將設(shè)計(jì)的地點(diǎn)相關(guān)特征與經(jīng)典推薦方法融合。實(shí)驗(yàn)結(jié)果表明該模型在小組推薦效果上比相關(guān)方法更佳,并驗(yàn)證了考慮地理位置信息有助于預(yù)測(cè)用戶加入基于聚會(huì)的小組。2.冷啟動(dòng)同城活動(dòng)推薦:為克服前人活動(dòng)推薦研究中忽視對(duì)冷啟動(dòng)活動(dòng)處理的不足,本文提出了聯(lián)合貝葉斯泊松分解模型(CBPF)。它充分考慮了線下活動(dòng)組織者、活動(dòng)內(nèi)容介紹、活動(dòng)舉辦地點(diǎn)等異構(gòu)信息,并設(shè)計(jì)了有效的學(xué)習(xí)算法得到冷啟動(dòng)活動(dòng)的表示。實(shí)驗(yàn)結(jié)果驗(yàn)證了CBPF優(yōu)于多個(gè)前人的方法,并發(fā)現(xiàn)活動(dòng)組織者對(duì)于用戶是否參加該活動(dòng)影響最大。3.時(shí)間感知的下一地點(diǎn)推薦:為利用時(shí)間因素、社會(huì)關(guān)系和當(dāng)前地點(diǎn)對(duì)用戶下一地點(diǎn)偏好的共同影響,本文在基本協(xié)同檢索模型的基礎(chǔ)上提出了融入時(shí)間和社會(huì)關(guān)系的新模型LTSCR,它將目標(biāo)用戶、其所處地點(diǎn)與對(duì)應(yīng)時(shí)間作為隱式查詢,并依據(jù)該查詢對(duì)候選地點(diǎn)打分排序。實(shí)驗(yàn)結(jié)果說(shuō)明融入時(shí)空信息和社會(huì)關(guān)系的協(xié)同檢索模型在該任務(wù)上效果更好。4.用戶地點(diǎn)關(guān)聯(lián)的評(píng)論建模與評(píng)分預(yù)測(cè):為捕捉基于地點(diǎn)的點(diǎn)評(píng)型社交媒體中評(píng)論主題同時(shí)與所屬用戶和地點(diǎn)關(guān)聯(lián)這一特點(diǎn),本文開(kāi)發(fā)了基于先驗(yàn)的對(duì)偶可加潛在狄利克雷分配模型(PDA-LDA)。該模型將用戶和地點(diǎn)的主題因子與狄利克雷分布參數(shù)關(guān)聯(lián),從而影響評(píng)論的主題產(chǎn)生。實(shí)驗(yàn)結(jié)果說(shuō)明該模型在文本建模上表現(xiàn)優(yōu)異,且產(chǎn)生的主題分布特征有益于評(píng)分預(yù)測(cè)。
[Abstract]:With the rapid development of mobile Internet technology and the widespread popularity of intelligent mobile devices, location-based social media emerged as the times require, and generated a large number of location-related user behavior data. Personalized recommendation for user behavior data modeling is the core technology to help users overcome information overload and achieve accurate marketing in big data era. The traditional recommendation algorithm does not fully consider the geographic location information and its interaction with many kinds of data, so it can not get the ideal recommendation effect in the new media. Based on the theory of data mining and machine learning, this paper systematically studies four representative user modeling and content recommendation problems in location-based social media. Facilitate in-depth academic research on location-based social media and facilitate the deployment of recommendation applications in industry. The research questions and technical contributions in this paper are summarized as follows: 1. Party-based group recommendations: in order to solve the problem of traditional group recommendations only for online virtual groups, this article fully explores the impact of geographic factors on user participation in the group. A unified model, PTARMIGAN, is proposed to integrate the location-related features of the design with the classical recommendation methods. The experimental results show that the model is better than the correlation method in terms of group recommendation, and it is verified that considering geographic location information can help predict users to join a party-based group. 2. Recommendation of cold start in city: in order to overcome the shortage of neglecting the treatment of cold start activity in previous study of activity recommendation, a joint Bayesian Poisson decomposition model (CBPF).) is proposed in this paper. It takes full account of heterogeneous information such as offline event organizer, activity content introduction, event location and so on, and designs an effective learning algorithm to get the representation of cold start activity. The experimental results show that CBPF is superior to many predecessors, and it is found that the organizer of the event has the greatest influence on the user's participation in the activity. 3. Time-aware next location recommendation: in order to make use of the time factor, social relations and current location on the user's preference for the next location, this paper proposes a new model, LTSCR, which integrates time and social relations on the basis of the basic collaborative retrieval model. It takes the target user, its location and corresponding time as implicit query, and sorts the candidate location according to the query. The experimental results show that the cooperative retrieval model, which integrates spatio-temporal information and social relations, is more effective in this task. 4. Comment modeling and scoring prediction for user location association: to capture the feature that comment topics in location-based peer-reviewed social media are associated with their users and locations at the same time. A priori-based dual additive latent Dirichlet assignment model (PDA-LDA) is developed in this paper. The model correlates user and location theme factors with Dirichlet distribution parameters, thus affecting the topic generation of comments. The experimental results show that the model performs well in text modeling, and the topic distribution features are useful for scoring prediction.
【學(xué)位授予單位】：清華大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;社交媒體十大趨勢(shì)[J];現(xiàn)代營(yíng)銷(xiāo)(經(jīng)營(yíng)版);2009年05期

2 ;怎樣看待社交媒體[J];中國(guó)經(jīng)濟(jì)和信息化;2011年12期

3 馬爾科姆;;被高估的社交媒體[J];當(dāng)代傳播;2011年03期

4 ;未來(lái)社交媒體10大趨勢(shì)[J];中國(guó)傳媒科技;2011年07期

5 啟程;;社交媒體之“濕”與社會(huì)之痛[J];檢察風(fēng)云;2011年17期

6 曹博林;;社交媒體:概念、發(fā)展歷程、特征與未來(lái)——兼談當(dāng)下對(duì)社交媒體認(rèn)識(shí)的模糊之處[J];湖南廣播電視大學(xué)學(xué)報(bào);2011年03期

7 ;國(guó)外媒體對(duì)記者使用社交媒體的規(guī)定[J];新聞?dòng)浾?2011年12期

8 馬小娟;;論社交媒體對(duì)公民政治參與的影響[J];中國(guó)出版;2011年24期

9 馮巖;;人文城市發(fā)展中的社交媒體管理[J];城市發(fā)展研究;2012年03期

10 文衛(wèi)華;劉嘉麗;王雅萱;;試析社交媒體在新聞傳播中的運(yùn)用與邊界[J];中國(guó)報(bào)業(yè);2012年08期

相關(guān)會(huì)議論文 前3條

1 袁靖華;;微博的理想與現(xiàn)實(shí)——兼論社交媒體建構(gòu)公共空間的三大困擾因素[A];數(shù)字未來(lái)與媒介社會(huì)2[C];2010年

2 洪婧茹;;社交媒體與上海大學(xué)生的環(huán)保參與:從線上關(guān)注到線下行動(dòng)[A];中華新聞傳播學(xué)術(shù)聯(lián)盟第六屆研究生學(xué)術(shù)研討會(huì)論文集[C];2014年

3 王斌;鄭滿寧;;扭轉(zhuǎn)“逆差”:社交媒體時(shí)代國(guó)人形象傳播機(jī)制及策略[A];新聞學(xué)論集（第30輯）[C];2014年

相關(guān)重要報(bào)紙文章 前10條

1 韓軍　編譯;社交媒體營(yíng)銷(xiāo)助推器還是新航向？[N];中國(guó)民航報(bào);2010年

2 本報(bào)記者 陳曉平;社交媒體重構(gòu)商業(yè)？[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2011年

3 一鳴;出版商介入社交媒體的危險(xiǎn)[N];中國(guó)圖書(shū)商報(bào);2011年

4 Chris Nerney;社交媒體帶來(lái)的5大安全威脅[N];網(wǎng)絡(luò)世界;2011年

5 李鑫源;社交媒體影響不容小窺[N];科技日?qǐng)?bào);2011年

6 陳曉平;社交媒體的“葫蘆論”[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2011年

7 肖明超(新生代市場(chǎng)監(jiān)測(cè)機(jī)構(gòu)副總經(jīng)理);社交媒體引發(fā)營(yíng)銷(xiāo)裂變[N];中國(guó)圖書(shū)商報(bào);2011年

8 文化學(xué)者 常江;社交媒體的“情緒化”[N];新華每日電訊;2012年

9 朱永磊 貝恩大中華區(qū)電信、媒體與高科技業(yè)務(wù)主管;如何成為社交媒體的長(zhǎng)期贏家[N];通信產(chǎn)業(yè)報(bào);2012年

10 記者 趙中文;東南亞企業(yè)傾向利用社交媒體經(jīng)商[N];中華工商時(shí)報(bào);2012年

相關(guān)博士學(xué)位論文 前8條

1 張雪;復(fù)雜網(wǎng)絡(luò)鏈路分析與社交媒體預(yù)測(cè)[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

2 羅準(zhǔn)辰;社交媒體中的信息檢索與傳播分析[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

3 丹尼爾;社交媒體在企業(yè)傳播中的使用：可口可樂(lè)中國(guó)和可口可樂(lè)加納案例研究[D];復(fù)旦大學(xué);2014年

4 朱星瑋;社交媒體信息結(jié)構(gòu)化組織及其應(yīng)用研究[D];清華大學(xué);2015年

5 謝松縣;社交媒體中觀點(diǎn)信息分析與應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

6 陳夏雨;工作場(chǎng)所中企業(yè)社交媒體可供性的實(shí)證研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

7 張偉;基于地點(diǎn)的社交媒體中用戶建模與內(nèi)容推薦[D];清華大學(xué);2016年

8 唐李洋;基于社交媒體大數(shù)據(jù)的Twitter營(yíng)銷(xiāo)策略研究[D];合肥工業(yè)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 李雪絮;社交媒體廣告的表現(xiàn)策略研究[D];浙江理工大學(xué);2013年

2 呂蒙;網(wǎng)絡(luò)社交媒體關(guān)系網(wǎng)絡(luò)與品牌傳播[D];遼寧大學(xué);2013年

3 吳祖宏;大學(xué)生手機(jī)社交媒體依賴的問(wèn)卷編制及特點(diǎn)研究[D];西南大學(xué);2014年

4 張茜茹;大學(xué)生社交媒體依賴的測(cè)量及其與主觀幸福感的關(guān)系[D];山西師范大學(xué);2015年

5 徐蕾;政務(wù)社交媒體用戶使用意愿研究[D];南京大學(xué);2015年

6 鞏麗;社交媒體對(duì)電視節(jié)目受眾觀看行為的影響研究[D];復(fù)旦大學(xué);2014年

7 鄒姝玉;社交媒體自我表達(dá)研究[D];四川師范大學(xué);2015年

8 秦晶晶;大學(xué)生社交媒體的使用情況、社會(huì)支持與社交焦慮的關(guān)系及其情緒啟動(dòng)效應(yīng)研究[D];閩南師范大學(xué);2015年

9 蔣勝;基于社交媒體網(wǎng)絡(luò)的消費(fèi)者網(wǎng)購(gòu)決策及商品推薦研究[D];安徽工程大學(xué);2015年

10 任雁;“文化遷徙”背景下中國(guó)留學(xué)社交媒體使用的“兩棲”性研究[D];山東大學(xué);2015年

，

本文編號(hào)：2463169