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

基于多粒度文本特征表示的微博用户兴趣识别

计算机科学 2021年第12期48卷 219-225页

作者：郁友琴李弼程华侨大学计算机科学与技术学院福建厦门361021

微博用户兴趣发现对社交网络的个性化推荐和信息传播的正确引导具有重要意义,因此提出了一种基于多粒度文本特征表示的微博用户兴趣识别方法。首先,从主题层、词序层和词汇层3个方面对微博用户构造文本向量,利用LDA提取内容的主题特征,... 详细信息

微博用户兴趣发现对社交网络的个性化推荐和信息传播的正确引导具有重要意义,因此提出了一种基于多粒度文本特征表示的微博用户兴趣识别方法。首先,从主题层、词序层和词汇层3个方面对微博用户构造文本向量,利用LDA提取内容的主题特征,通过LSTM学习内容的语义特征,引入腾讯AI Lab开源词向量获取词义特征;然后,将以上3种特征向量拼接得到的多粒度文本特征表示矩阵输入CNN中,进行文本分类训练;最后,通过多端输出层实现对微博用户的兴趣识别。实验结果表明,多粒度特征表示模型的分类实验结果比单粒度特征表示模型的精准率、召回率和F1值分别提高了8%,12%和13%。基于对文本粗、细语义粒度和词粒度的综合考量,结合神经网络分类算法,多粒度特征表示模型的评价指标均优于单粒度特征表示模型。

关键词：社交网络微博用户兴趣识别文本特征文本分类

在线全文

学校读者我要写书评

暂无评论

融入类别标签和主题信息的用户兴趣识别方法

计算机科学 2024年第S1期51卷 661-668页

作者：康智勇李弼程林煌华侨大学计算机科学与技术学院厦门361021

社交网络用户兴趣发现对信息过载缓解、个性化推荐和信息传播正向引导等方面具有重要意义。目前已有的兴趣识别研究未能同时考虑文本主题信息及其对应的类别标签信息对模型学习文本特征的帮助,文中提出了一种融入类别标签和主题信息的... 详细信息

社交网络用户兴趣发现对信息过载缓解、个性化推荐和信息传播正向引导等方面具有重要意义。目前已有的兴趣识别研究未能同时考虑文本主题信息及其对应的类别标签信息对模型学习文本特征的帮助,文中提出了一种融入类别标签和主题信息的用户兴趣识别方法。首先,利用BERT预训练模型、BiLSTM模型和多头自注意力机制分别获取文本和标签序列的语义特征;其次,引入标签注意力机制,使模型更加关注文本与其类别标签更相关的词语信息;然后,利用LDA主题模型和Word2Vec模型得到文本主题特征;接着,设计门控机制进行特征融合,使模型能够自适应地融合多种特征,进而实现微博文本兴趣类别分类;最后,统计用户发表的所有文本在各个兴趣类别上的数量,将数量最多的兴趣类别确定为用户兴趣识别结果。为验证所提方法的有效性,文中构建了一个微博兴趣识别数据集。实验结果表明,该模型在微博文本兴趣类别分类和用户兴趣识别任务中均取得了最优性能。

关键词：社交网络兴趣识别主题模型标签注意力机制特征融合

E-learning中动态兴趣识别方法研究

在线全文

学校读者我要写书评

暂无评论

现代教育技术 2010年第10期20卷 132-134页

作者：陈琳西安邮电学院计算机学院陕西西安710121

在网络和海量信息的背景下,网络学习由于具有时空无限、资源共享等特点,正逐渐成为构筑终身教育的最有效手段。网络学习是信息教育的延伸,强调过程的个性化和专业化。其中个性化服务体现了"以人为本"和"因材施教"的理念,因而在信息教育... 详细信息

在网络和海量信息的背景下,网络学习由于具有时空无限、资源共享等特点,正逐渐成为构筑终身教育的最有效手段。网络学习是信息教育的延伸,强调过程的个性化和专业化。其中个性化服务体现了"以人为本"和"因材施教"的理念,因而在信息教育中得到了广泛应用。针对当前信息教育中缺乏对学习兴趣研究的现状,文章提出了信息教育系统中一种动态兴趣识别方法,新方法应用人工智能技术和数据挖掘技术构建了一个基于网络用户兴趣的动态识别方法,在很大程度上弥补了网络教学中个性化缺失的问题。

关键词：个性化服务 E-learning 兴趣识别

在线全文

学校读者我要写书评

暂无评论

企业微博粉丝兴趣识别及用户细分研究

企业微博粉丝兴趣识别及用户细分研究

作者：罗晓莉福州大学

学位级别：硕士

近年来,伴随Web2.0技术的发展,社交网络异军突起,微博作为一种新型的社交网络媒体,在短短数年内积累了海量的用户,其中,尤以新浪微博为代表。新浪微博依托其庞大的用户群体和流量,创造了巨大的商业价值,逐渐发展成为企业拓展客户关系的... 详细信息

近年来,伴随Web2.0技术的发展,社交网络异军突起,微博作为一种新型的社交网络媒体,在短短数年内积累了海量的用户,其中,尤以新浪微博为代表。新浪微博依托其庞大的用户群体和流量,创造了巨大的商业价值,逐渐发展成为企业拓展客户关系的重要营销工具。企业可以利用微博平台,建立粉丝关注网络,实现实时快速的商业信息分享与传播,同时,通过分析粉丝用户的相关微博信息,准确把控用户需求,据此进行个性化的信息推荐和营销服务。企业要实现基于微博平台的个性化营销推荐,准确识别粉丝用户的兴趣倾向是关键所在,而微博中存储的海量用户信息和文本内容为用户兴趣识别提供了丰富的数据源。在获取用户兴趣的基础上,基于兴趣相似性实现粉丝用户细分,可以帮助企业了解粉丝用户群体的关注和需求,从而有针对性地面向细分用户群提供个性化的信息推荐和营销服务,提高微博营销的效率和效果。基于以上背景,本文以企业微博的粉丝用户为研究对象,提出一种基于主题模型和机器学习的微博用户兴趣识别和用户细分方法。在构建微博用户兴趣模型时,首先,通过对微博中的信息特征进行全面分析,最终选取用户关注的特殊用户信息和发布、转发及评论的微博时间文本作为挖掘用户兴趣的信息源;其次,针对微博文本短小特点,引入适用于短文本的词对主题模型(Biterm Topic Model,BTM),考虑微博内容的时效性和用户兴趣的漂移,提出时间敏感的T-BTM微博用户兴趣识别模型,全面挖掘用户的长期兴趣、短期兴趣和整体兴趣。利用新浪微博API和网络爬虫采集企业微博粉丝用户的真实数据集,通过实验证明了 T-BTM能够有效识别微博用户兴趣及其变化,且在兴趣提取性能上要优于BTM和LDA模型。在获取用户兴趣的基础上,以实现粉丝用户细分为目标,提出微博用户谱聚类算法(Microblog User Spectral Clustering,MUSC),将用户的兴趣主题分布向量作为特征项,构造基于JS距离的相似函数,构建用户兴趣相似矩阵;求解相似矩阵对应的规范拉普拉斯矩阵及其谱分解;针对传统谱聚类算法中聚类个数无法确定的问题,通过分析拉普拉斯矩阵特征值之间的本征间隙,自适应地确定聚类个数,并据此构建特征向量空间;对特征向量空间实施K-means聚类,完成对粉丝用户的聚类,将粉丝用户划分为兴趣相仿的若干用户簇,并用主题特征词集合形式描述用户簇的群体兴趣。利用微博真实数据集实现企业微博粉丝用户细分,实验结果表明,MUSC算法能够有效划分用户群体,发现粉丝用户的群体兴趣。依托细分的用户兴趣簇,企业微博可以通过计算候选文档与用户簇兴趣特征向量的相似度,生成个性化推荐列表。

关键词：企业微博粉丝兴趣识别词对主题模型用户细分谱聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

微博用户兴趣识别与文本信息推荐技术研究

微博用户兴趣识别与文本信息推荐技术研究

作者：郁友琴华侨大学

学位级别：硕士

随着信息时代的高速发展,如何在用户和信息之间建立一种有效且直接的联系变得尤为重要。信息推荐应运而生,它着力解决信息迷航、信息超载等问题。目前,传统信息推荐算法主要存在以下三个方面的问题:(1)浅层模型挖掘不出项目的隐层特征,... 详细信息

随着信息时代的高速发展,如何在用户和信息之间建立一种有效且直接的联系变得尤为重要。信息推荐应运而生,它着力解决信息迷航、信息超载等问题。目前,传统信息推荐算法主要存在以下三个方面的问题:(1)浅层模型挖掘不出项目的隐层特征,也无法对用户特征进行细致深度的刻画;(2)社交网络中蕴含了大量复杂的行为关系信息,作为网络用户特征中重要的部分之一却常常被忽视;(3)数据稀疏和冷启动问题在一定程度上影响了推荐系统的性能。解决上述问题的关键在于对用户属性和信息内容进行多维度、深层次的特征提取。深度神经网络可以主动学习和构建非线性的复杂关系模型,并且可将多源信息进行融合,有效提高推荐结果的精确性。知识图谱是一种揭示实体之间关系的语义网络,可作为辅助信息来源,有助于得到多样化且具有可解释性的推荐结果。本文利用深度学习和知识图谱,研究用户兴趣识别以及文本信息推荐技术,主要研究成果如下:(1)研究了用户兴趣识别,提出一种基于多粒度文本特征表示的微博用户兴趣识别方法。首先,针对文本的整体语义,利用LDA提取主题信息,将文本分为多个主题,把内容抽象出来;其次,考虑文本内容的前后序列关系,利用LSTM学习内容的语义特征;然后,对于文本中具体的词义信息,引入腾讯开源词向量,让文本包含更多并且更全的信息,同时使得词与词之间的关系更加准确;最后,将拼接后的多个维度特征输入卷积神经网络分类器中训练,通过softmax函数得到用户兴趣分类的结果。实验结果表明,该方法较单粒度模型的文本特征表达能力更强,能更准确地识别出微博用户兴趣。(2)研究了知识图谱表示学习,提出一种基于伯努利负采样的Trans E表示学习模型。该模型将负采样中的等概率随机抽样方法替换为伯努利抽样算法,设定大小不等的概率替换头尾实体,尽量减少错误负例三元组的生成;最后通过模型训练得到图谱中实体和关系的特征向量。实验结果表明,该模型实现了微博用户实体和关系较为准确的嵌入表示。(3)研究了文本信息推荐,提出一种基于表示学习与深度神经网络的微博文本信息推荐方法。首先,利用表示学习生成实体和关系的用户知识图谱特征,结合用户属性特征和微博文本特征拼接为一个向量矩阵,形成综合特征表示;其次,将综合特征表示输入多层感知机中,进行模型训练;然后,将多层感知机的输出向量输入softmax做分类,根据概率值大小对兴趣主题类别进行排序;最后,基于打散策略的思想,计算出各类别下的微博推荐数量进行信息推荐。实验结果表明,该方法能够对微博用户进行较为准确且多样的个性化信息推荐。

关键词：微博用户知识图谱兴趣识别表示学习信息推荐

基于Labeled LDA的微博用户兴趣识别系统的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Labeled LDA的微博用户兴趣识别系统的研究与实现

作者：王星北京交通大学

学位级别：硕士

微博是一个基于用户关系的信息分享、传播以及获取平台,内容简单、用户之间的交互性强、使用门槛低是微博的特点,近年在我国取得了快速发展。微博作为当下最流行的社会化网络服务媒体,基于微博的用户兴趣挖掘研究也迅速成为一个新兴的... 详细信息

微博是一个基于用户关系的信息分享、传播以及获取平台,内容简单、用户之间的交互性强、使用门槛低是微博的特点,近年在我国取得了快速发展。微博作为当下最流行的社会化网络服务媒体,基于微博的用户兴趣挖掘研究也迅速成为一个新兴的研究课题：首先发现感兴趣的微博账户与信息是微博用户最重要的活动,微博平台则需要准确地基于用户的兴趣进行相关信息的推荐;其次用户兴趣识别系统是实现精准广告投放的基础,兴趣挖掘的准确度直接关系到广告投放的效果,关系到微博平台的盈利。本文作者在分析新浪微博的信息特点和用户行为特点的基础上,学习了传统的使用词向量进行文本特征表示的文本分类算法,并基于无监督、无层次结构的主题模型LDA (Latent Dirichlet Allocation,隐含狄利克雷分配),扩展实现了有监督、无层次结构的主题模型Labeled LDA,用于对微博用户兴趣分布的识别。本文主要研究了用户兴趣识别过程中涉及到的关键问题,主要包括以下三个方面的工作：(1)使用Python开发针对新浪微博的定制网络爬虫,绕开微博API的限制,实现微博文本的并发快速获取,为研究工作提供了及其丰富的实验数据;(2)学习文本分类技术,使用有监督、无层次结构的主题模型Labeled LDA,用微博主题账号的微博文本进行模型的训练,用于对其他微博用户兴趣的预测;(3)考虑海量数据的场景,使用Hadoop、Hive等分布式框架,实现海量中文文本数据的分布式分词与预处理。最终,通过用户兴趣识别系统得到的用户兴趣分布的数据在实际中成功的应用于用户个性化词云的产生与展现、搜索结果的调整与优化、广告的个人兴趣化定向投放等方面。

关键词：文本分类兴趣识别 LDA Labeled LDA

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

微博兴趣识别与推送系统的研究与实现

微博兴趣识别与推送系统的研究与实现

作者：方维华中科技大学

学位级别：硕士

微型博客作为Web2.0时代互联网最广泛的应用之一，具有分散性、多样性、时效性和信息量庞大等特点。为了从大量的、分散的信息中，获取用户感兴趣的话题及相关信息，并实时推送给用户，本文针对中文微博，进行了用户兴趣识别和自动推送... 详细信息

微型博客作为Web2.0时代互联网最广泛的应用之一，具有分散性、多样性、时效性和信息量庞大等特点。为了从大量的、分散的信息中，获取用户感兴趣的话题及相关信息，并实时推送给用户，本文针对中文微博，进行了用户兴趣识别和自动推送系统的研究和实现工作。本文在分析主流中文微博的信息特点和用户行为特点的基础上，结合国内外兴趣识别和微博交互的相关技术，重点研究了适合针对中文微博系统的信息采集、中文分词、兴趣识别和自动推送技术。本文的主要工作如下：在分析微博信息发布特点的基础上，提出了基于JAVA的任务调度技术，调用相关接口对微波信息进行采集;通过对国内外中文分词系统性能的研究，采用一种基于层叠隐形马尔科夫模型的中文分词系统与用户自定义词典相结合的分词方案，实现中文分词，同时，对分词结果进行停用词处理，以降低信息冗余度;通过对微博用户行为的分析，提出了文本分类和主题库词匹配相结合的策略，对用户兴趣进行识别;针对微博的时效性特点，采用监听器技术实现对微博信息的实时推送。本文以新浪微博为应用背景，对微博兴趣识别的结果进行详细分析。实验结果表明，论文提出的方案具有较高的准确性，能够较好地判断微博用户兴趣倾向，具有一定的工程应用价值。

关键词：文本分类主题库兴趣识别中文分词微博推送

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向微博用户的兴趣识别算法的研究与实现

面向微博用户的兴趣识别算法的研究与实现

作者：梁润庭(Runting Leung) 西南交通大学

学位级别：硕士

随着Web2.0时代的到来,以微博为代表的新兴社交媒体取代了传统媒体的地位,标志着个人互联网时代的到来。作为一种分享和交流平台,微博更注重时效性和随意性,个人能在其中每时每刻分享和接收最新的消息和思想。然而,随之而来的是信息呈... 详细信息

随着Web2.0时代的到来,以微博为代表的新兴社交媒体取代了传统媒体的地位,标志着个人互联网时代的到来。作为一种分享和交流平台,微博更注重时效性和随意性,个人能在其中每时每刻分享和接收最新的消息和思想。然而,随之而来的是信息呈爆炸式增长,如何从如此庞杂的数据中识别出用户感兴趣的内容成为近年国内外学术界的研究热点。本文在分析中文微博的特性的基础上,结合目前主流的研究技术,并融合用户微博内容信息与社交关系信息对微博用户进行兴趣识别方法的研究。本文的主要研究及工作内容包括：1、实现了面向用户的微博爬虫,对指定的微博用户,采集其历史微博内容信息和关注用户列表,作为用户兴趣识别的数据源。2、研究融合微博内容和社交关系信息的用户兴趣识别方法。对于微博内容信息,基于文本和图像的分类技术,分别从文本和图像两个角度研究用户兴趣的识别,然后研究文本和图像的融合方法;对于微博的社交关系信息,综合考虑用户所关注、转发和提及的社交行为,挖掘用户所互动的社交关系用户集,通过检索兴趣权威用户库匹配社交关系用户的兴趣,并依此从社交关系的角度对用户进行兴趣识别。然后研究融合微博内容信息和社交关系信息的融合。3、实现了面向微博用户的兴趣识别算法。通过定义兴趣类别,按照本文研究的方法构建兴趣识别模型。对于给定的用户,获取相关数据源,并用兴趣识别模型得出用户在各个兴趣类别上的概率值。最后以实验结果进行标准衡量,证明了研究工作具有一定的研究成果和工程应用价值。

关键词：兴趣识别数据挖掘文本分类图像分类

基于兴趣识别的新浪微博用户群划分研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于兴趣识别的新浪微博用户群划分研究与实现

作者：彭显志北京交通大学

学位级别：硕士

微博作为一种新型网络应用,提供了一种新的信息传播方式。在微博上,人们可以通过最多140个字来快速自由地表达自己的感受、见闻或者意见。微博自从出现以来经历了巨大的发展,目前风靡全球的twitter和国内流行的新浪微博都有着数以亿计... 详细信息

微博作为一种新型网络应用,提供了一种新的信息传播方式。在微博上,人们可以通过最多140个字来快速自由地表达自己的感受、见闻或者意见。微博自从出现以来经历了巨大的发展,目前风靡全球的twitter和国内流行的新浪微博都有着数以亿计的用户,每天产生巨大数量的新内容,在海量数据轰炸下,用户的需求已经由如何获取数据改为如何精准的获取想要的数据。而解决该问题的关键在于划分微博用户群。论文选题源自本人在实习工作中实际参与的项目,本人在项目的开发过程中主要参与到项目设计和项目的实现开发。在详细分析新浪微博的数据特点和用户习惯后,在设计整个系统的功能和技术架构的基础上,将在设计与实现部分以本人参与开发的模块为核心进行介绍。本文以划分微博用户群为需求点,在分析了不同的用户群划分方案后,选择以兴趣维度划分用户群的方案。为实现该方案,选取新浪微博平台为对象,在充分分析新浪微博的信息特点和用户行为特点的基础上,结合当前国内外在文本分类,兴趣识别的相关技术,提出结合朴素贝叶斯分类和概率统计加权理论思想的的兴趣识别算法识别微博用户兴趣,并为之设计对应的兴趣识别系统。最后,以实验结果进行标准的衡量,证明了工作具有一定的研究和工程应用价值。

关键词：文本分类中文分词数据挖掘兴趣识别