检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

融合情感分析和概率语言的影视推荐算法研究

情报理论与实践 2020年第6期43卷 180-186页

作者：周欢马浩南刘嘉湖南工业大学湖南株洲412000

[目的/意义]在社会网络背景下,在线评论情感倾向已经成为影响观影者决策的重要因素,如何有效提高在线评论情感分析的准确性成为学者们关注的热点。[方法/过程]鉴于此,依据情感分析和概率语言术语集相关理论知识,提出一种新的影视推荐算... 详细信息

[目的/意义]在社会网络背景下,在线评论情感倾向已经成为影响观影者决策的重要因素,如何有效提高在线评论情感分析的准确性成为学者们关注的热点。[方法/过程]鉴于此,依据情感分析和概率语言术语集相关理论知识,提出一种新的影视推荐算法。首先运用TF-IDF算法提取主题词,确定主题词权重,然后计算在线评论情感值并细分区间确定情感程度,根据在线评论的情感程度构建概率语言决策矩阵,最后提出基于VIKOR的概率语言多准则决策方法,并将其用于电影排序。[结果/结论]采集Rotten Tomatoes官方网站上5部电影的真实在线评论数据,将文章提出的推荐算法与其他基于情感分析的推荐算法进行比较,验证所提出算法的可行性和优越性。

关键词：在线评论情感分析概率语言术语集 VIKOR 影视推荐

基于图神经网络和标签可重叠社区的社会化影视推荐模型

在线全文

学校读者我要写书评

暂无评论

情报理论与实践 2021年第6期44卷 164-170页

作者：周欢刘嘉王欢芳湖南工业大学商学院湖南株洲412007

[目的/意义]随着互联网的迅速普及,海量的在线影视作品导致用户难以快速准确地获取到所需内容,如何为用户进行个性化影视推荐成为学者们研究的热点。[方法/过程]首先利用在线影视平台中的用户交互数据以及电影信息数据建立完全三部图,... 详细信息

[目的/意义]随着互联网的迅速普及,海量的在线影视作品导致用户难以快速准确地获取到所需内容,如何为用户进行个性化影视推荐成为学者们研究的热点。[方法/过程]首先利用在线影视平台中的用户交互数据以及电影信息数据建立完全三部图,然后构建图神经网络并结合扩散算法计算标签间关联度,基于标签间关联度获取标签可重叠社区,通过计算用户和电影对标签可重叠社区的归属度及用户与电影的匹配度,最终为用户生成推荐列表。[结果/结论]采用hetrec2011-movielens-2k数据集进行实验分析,结果显示所提出算法模型的召回率、精确率和F1值均优于同类算法。因此,通过聚合关联用户的信息能够充分挖掘当前用户的潜在兴趣偏好,提升算法推荐效果,有助于为用户精准生成个性化推荐内容。

关键词：图神经网络标签可重叠社区完全三部图影视推荐社会化推荐

在线全文

学校读者我要写书评

暂无评论

复杂网络视角下在线健康社区评论有用性研究

情报科学 2022年第9期40卷 88-97页

作者：唐晓波向莉丽牟昊武汉大学信息系统研究中心湖北武汉430072 武汉大学信息管理学院湖北武汉430072 国网四川省电力公司四川成都610000

【目的/意义】在线健康社区用户规模庞大,信息量浩如烟海,如何帮助社区管理者和用户判别有用信息,提高决策效率是亟待解决的问题。【方法/过程】在复杂网络视角下,提出一个新的评论有用性分析框架。首先,采集在线健康社区患者评论数据,... 详细信息

【目的/意义】在线健康社区用户规模庞大,信息量浩如烟海,如何帮助社区管理者和用户判别有用信息,提高决策效率是亟待解决的问题。【方法/过程】在复杂网络视角下,提出一个新的评论有用性分析框架。首先,采集在线健康社区患者评论数据,采用文本分析法分析有用评论、非有用评论以及所有评论的主题分布和情感分布,初步分析各类评论文本的有用性特征;其次,将各类评论文本分别转换为文本关联网络,使用社会网络分析方法进一步分析其有用性特征;最后,分析评论有用性及其特征与患者发表评论、用户对评论的有用性投票以及文本关联网络结构特征的关联性,实现基于文本关联网络的评论有用性分析。【结果/结论】有用评论和非有用评论文本关联网络结构具有一定差异,在线健康社区用户就诊前后的信息需求和经验输出的重点有所不同。【创新/局限】基于复杂网络视角研究在线健康社区评论有用性,但仅使用了好大夫在线的数据,未来可对更多数量和种类的在线健康社区信息内容有用性进行研究。

关键词：复杂网络评论有用性在线健康社区社会网络分析文本关联网络评论文本分析

融合LDA和TF-IWF的健康科普文章混合推荐方法研究

在线全文

学校读者我要写书评

暂无评论

图书馆研究 2022年第3期52卷 26-35页

作者：周欢张培颖湖南工业大学商学院湖南株洲412007

为了帮助用户更有效率地求医问诊、减少医疗资源的浪费及促进在线健康平台发展,提出一种融合LDA和TF-IWF的健康科普文章混合推荐方法。首先,从在线健康社区获取用户提问文本及科普文章文本,对这些文本数据运用LDA主题模型进行建模,并结... 详细信息

为了帮助用户更有效率地求医问诊、减少医疗资源的浪费及促进在线健康平台发展,提出一种融合LDA和TF-IWF的健康科普文章混合推荐方法。首先,从在线健康社区获取用户提问文本及科普文章文本,对这些文本数据运用LDA主题模型进行建模,并结合TF-IWF权重从海量的资源中找到用户需求主题及文章主题。然后,根据共同主题,采用协同过滤和基于内容的推荐算法生成基于用户的推荐列表和基于文章的推荐列表,对两个推荐列表的主题权重进行混合加权从而生成推荐结果,实现精准推荐和个性化推荐,提升在线健康社区用户健康素养,并减少医疗资源的浪费。实验结果表明,本研究采用的推荐方法可以降低数据维度及计算的复杂度,使权重取值更加合理化,具有较好的推荐效果。

关键词：在线健康社区科普文章推荐 LDA主题模型 TF-IWF权重