現(xiàn)今,社會(huì)化媒體的普及,積累了規(guī)模龐大且具有價(jià)值的用戶數(shù)據(jù)資源。海量的異構(gòu)數(shù)據(jù)給學(xué)術(shù)界在大數(shù)據(jù)挖掘領(lǐng)域帶來(lái)了新的突破點(diǎn),社會(huì)化媒體用戶隱含屬性識(shí)別任務(wù)也應(yīng)運(yùn)而生。社會(huì)化媒體用戶隱含屬性識(shí)別是指運(yùn)用現(xiàn)有的規(guī)模數(shù)據(jù)自動(dòng)推斷出社會(huì)化媒體用戶群體的未知屬性與潛在特質(zhì)�；谖⒉⒅醪煌挠脩魯�(shù)據(jù),本文有針對(duì)性地提出了以下兩種方法:1.基于Labeled LDA模型的社會(huì)化媒體用戶隱含屬性識(shí)別方法本文運(yùn)用Labeled LDA模型識(shí)別知乎社區(qū)這一社會(huì)化媒體的用戶的隱含屬性——職業(yè)傾向。與微博用戶文本數(shù)據(jù)相比較,知乎社區(qū)用戶文本多為成千上萬(wàn)的長(zhǎng)文本數(shù)據(jù)且規(guī)模龐大,需進(jìn)行復(fù)雜的數(shù)據(jù)清洗才能投入實(shí)驗(yàn)。本文嘗試?yán)糜脩舻男袨樘卣鳌劢z用戶對(duì)“意見(jiàn)領(lǐng)袖”用戶的關(guān)注行為進(jìn)行隱含屬性——職業(yè)傾向的識(shí)別。因用戶的各個(gè)行業(yè)存在規(guī)范文本,本文可直接利用現(xiàn)有的規(guī)范文本作為標(biāo)簽,運(yùn)用Labeled LDA模型進(jìn)行識(shí)別任務(wù)。利用用戶的行為特征進(jìn)行隱含屬性職業(yè)傾向識(shí)別。該識(shí)別系統(tǒng)的準(zhǔn)確度比利用文本統(tǒng)計(jì)特征的方法高5個(gè)百分點(diǎn)。2.基于遞歸神經(jīng)網(wǎng)絡(luò)的社會(huì)化媒體用戶隱含屬性識(shí)別方法該方法基于遞歸神經(jīng)網(wǎng)絡(luò),融合多種特征進(jìn)行社會(huì)化... 

【文章來(lái)源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

演員劉昊然微博部分信息圖2-1展示出微博用戶劉昊然的昵稱、圖像與個(gè)人簡(jiǎn)介等信息

已經(jīng)成為新媒體的發(fā)展方式�，F(xiàn)有的微博、百度問(wèn)答等內(nèi)個(gè)開(kāi)放性且具有問(wèn)答屬性的網(wǎng)絡(luò)社區(qū)，知乎用戶們圍繞著關(guān)的探討與交流，知乎用戶具有專業(yè)性、精英化的屬性。一個(gè)能獲取真實(shí)有效的專業(yè)性知識(shí)的平臺(tái)，在這內(nèi)容為王了用戶的專業(yè)性需求。用戶使用知乎的“贊同”“反對(duì)”高低，篩選出高質(zhì)量?jī)?nèi)容。在知乎成立之前，國(guó)外的 Quo推薦機(jī)制。分三類，一類熱衷于生產(chǎn)內(nèi)容，一類喜歡閱讀高質(zhì)量?jī)?nèi)容的結(jié)合體。乎用戶所在行業(yè)戶為了讓自己的答案和文章能獲得認(rèn)可與推薦，多數(shù)會(huì)填括但不限于所在行業(yè)、職業(yè)經(jīng)歷、教育經(jīng)歷、個(gè)人簡(jiǎn)介等


本文編號(hào)：2917050