本文關(guān)鍵詞：社會(huì)媒體信息推薦關(guān)鍵技術(shù)研究　出處：《哈爾濱工業(yè)大學(xué)》2017年博士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 社會(huì)媒體 信息推薦 用戶興趣建模 主題模型 協(xié)同過(guò)濾

【摘要】：以微博等為代表的社會(huì)媒體逐漸成為一種新興的信息傳播載體和信息共享平臺(tái)。社會(huì)媒體的廣泛流行導(dǎo)致信息呈爆炸式增長(zhǎng),用戶很難獲取到真正有用的信息,進(jìn)而引發(fā)諸如信息過(guò)載、內(nèi)容碎片化等問(wèn)題,給社會(huì)媒體的信息推薦研究帶來(lái)了契機(jī)。社會(huì)媒體蘊(yùn)含著大量的用戶生成內(nèi)容,社會(huì)媒體的信息推薦研究主要通過(guò)理解和分析用戶生成內(nèi)容,推斷用戶的偏好,為用戶提供感興趣的信息。具體而言,社會(huì)媒體信息推薦主要包含三個(gè)重要元素。其一是信息,即社會(huì)媒體信息推薦的客體,信息自身內(nèi)容以及它和其它信息的關(guān)系,為量化用戶的興趣提供了依據(jù)。其二是用戶,即社會(huì)媒體信息推薦的主體,挖掘用戶興趣,分析用戶偏好,有助于進(jìn)行精準(zhǔn)推薦。最后,推薦算法將信息與用戶聯(lián)系起來(lái),是社會(huì)媒體信息推薦的關(guān)鍵。本文的研究工作圍繞上述三個(gè)重要元素。我們以微博為平臺(tái),充分利用微博上豐富的文本數(shù)據(jù)、用戶的群體智慧等信息,結(jié)合深度學(xué)習(xí)和主題模型等方法,對(duì)社會(huì)媒體信息推薦的關(guān)鍵問(wèn)題展開(kāi)研究。本文的主要研究?jī)?nèi)容包括以下幾方面:1.本文提出了基于主題注意力機(jī)制的微博標(biāo)簽獲取方法,解決了被推薦信息的相關(guān)性問(wèn)題。微博標(biāo)簽以主題或關(guān)鍵詞的形式將相似內(nèi)容或相關(guān)主題的微博組織起來(lái)。針對(duì)微博文本和標(biāo)簽存在用詞差異以及特征稀疏性等問(wèn)題,本文將微博標(biāo)簽獲取問(wèn)題轉(zhuǎn)化成分類(lèi)問(wèn)題,提出利用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)學(xué)習(xí)微博文本的深層語(yǔ)義表示。為了突出微博主題的作用,通過(guò)注意力機(jī)制將主題模型與長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)相結(jié)合,在微博標(biāo)簽獲取任務(wù)上的結(jié)果相比其他基線方法有顯著的提升。同時(shí),融合主題注意力機(jī)制的長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型比標(biāo)準(zhǔn)的長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)在F值上結(jié)果提升7.4%,為后續(xù)的微話題推薦研究奠定了良好的基礎(chǔ)。2.本文提出了基于影響因素相似度的微博流行度預(yù)測(cè)方法,解決了被推薦信息的重要性問(wèn)題。在推薦信息時(shí),不僅關(guān)注信息內(nèi)容的相關(guān)性,同時(shí)還關(guān)注信息本身的價(jià)值,從海量的微博信息當(dāng)中挖掘出高流行度的微博推薦給用戶。針對(duì)發(fā)布者對(duì)流行度起決定性作用的現(xiàn)象,本文提出以用戶為中心,基于影響因素相似度預(yù)測(cè)微博流行度。該方法主要思想是利用用戶歷史微博信息,根據(jù)語(yǔ)義和時(shí)間相似度排序,選擇與當(dāng)前用戶待預(yù)測(cè)微博最相似的K個(gè)候選,將相似候選的加權(quán)平均流行度作為待預(yù)測(cè)微博的流行度。這種方法簡(jiǎn)單有效,并且能夠以特征的形式融入當(dāng)前最先進(jìn)的有監(jiān)督模型之中,進(jìn)一步提升預(yù)測(cè)結(jié)果。3.本文提出了基于有監(jiān)督主題模型的用戶興趣建模方法,實(shí)現(xiàn)了跨平臺(tái)的用戶信息互補(bǔ)和用戶興趣的精準(zhǔn)建模。本文以消費(fèi)興趣為研究對(duì)象,利用用戶在社會(huì)媒體上的信息推斷用戶的消費(fèi)興趣類(lèi)別。針對(duì)跨平臺(tái)數(shù)據(jù)標(biāo)注獲取困難的問(wèn)題,本文提出通過(guò)挖掘用戶發(fā)布的社會(huì)媒體與電商平臺(tái)的鏈接痕跡,實(shí)現(xiàn)跨平臺(tái)用戶的鏈指。利用有監(jiān)督主題模型對(duì)用戶發(fā)布內(nèi)容、用戶關(guān)注關(guān)系以及用戶在電商平臺(tái)上的購(gòu)買(mǎi)行為聯(lián)合建模。在微博和京東商城跨平臺(tái)的真實(shí)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),本文提出的方法在用戶消費(fèi)興趣建模上取得了顯著優(yōu)于基線方法的結(jié)果。同時(shí),本文的方法能夠自動(dòng)地學(xué)習(xí)消費(fèi)類(lèi)別相關(guān)的詞和社會(huì)媒體賬戶,該結(jié)果能夠直接應(yīng)用于其他任務(wù)中。4.本文提出了融合多元信息的微話題推薦模型,以緩解信息推薦的冷啟動(dòng)問(wèn)題,提升推薦結(jié)果。本文提出的混合推薦模型將用戶參與行為、用戶微話題文本信息以及屬性信息融合起來(lái)。該模型基于主題模型和協(xié)同過(guò)濾模型,更深層次結(jié)合文本信息,對(duì)用戶和微話題之間的參與關(guān)系建立良好解釋性。一方面通過(guò)協(xié)同過(guò)濾技術(shù)學(xué)習(xí)用戶的偏好,另一方面利用主題模型建模用戶的內(nèi)容興趣。經(jīng)實(shí)驗(yàn)證明,本文提出的方法和當(dāng)前最先進(jìn)的混合推薦方法相比,能夠顯著地提升推薦性能。特別是在冷啟動(dòng)情況下,提升效果更加明顯�？傊�,本文一方面致力于社會(huì)媒體信息推薦中的基礎(chǔ)性問(wèn)題,包括信息建模和用戶興趣建模,另一方面從信息推薦算法的角度,提出了融合多元信息的社會(huì)媒體信息推薦模型。本文的研究取得了一些成果,相信隨著自然語(yǔ)言理解和信息推薦技術(shù)的不斷發(fā)展,社會(huì)媒體信息推薦研究在未來(lái)會(huì)取得更大的突破。同時(shí),社會(huì)媒體信息推薦研究的日漸成熟也將促進(jìn)其他相關(guān)研究的發(fā)展。
[Abstract]:This paper studies the key problems of social media information recommendation by using micro blog as the platform , using rich text data in social media , mining user ' s interest and analyzing user preferences . This paper makes an experiment on the relationship between user ' s participation behavior , user ' s micro - topic text information and attribute information , which is based on topic model and collaborative filtering model .

【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】：2017
【分類(lèi)號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 仲兆滿;管燕;胡云;李存華;;基于背景和內(nèi)容的微博用戶興趣挖掘[J];軟件學(xué)報(bào);2017年02期

2 孟祥武;劉樹(shù)棟;張玉潔;胡勛;;社會(huì)化推薦系統(tǒng)研究[J];軟件學(xué)報(bào);2015年06期

3 扈維;張堯?qū)W;周悅芝;;基于社會(huì)化標(biāo)注的用戶興趣挖掘[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

4 李棟;徐志明;李生;劉挺;王秀文;;在線社會(huì)網(wǎng)絡(luò)中信息擴(kuò)散[J];計(jì)算機(jī)學(xué)報(bào);2014年01期

5 張晨逸;孫建伶;丁軼群;;基于MB-LDA模型的微博主題挖掘[J];計(jì)算機(jī)研究與發(fā)展;2011年10期

相關(guān)博士學(xué)位論文 前1條

1 丁效;基于社會(huì)媒體的市場(chǎng)行情預(yù)測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號(hào)：1361252