检索结果-南通市图书馆

基于VAE单流表征模型的多模态社交数据分类与优化研究

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VAE单流表征模型的多模态社交数据分类与优化研究

作者：王祎昊西北大学

学位级别：硕士

社交媒体数据的体量随着网络技术的发展得到了飞速增长,而社交数据能够真实反映用户的心理、情绪等信息,除此之外对一些有害信息进行及时鉴别也是十分必要的。而随着移动设备的发展,越来越多的用户选择在社交媒体上分享自己的视频、图... 详细信息

社交媒体数据的体量随着网络技术的发展得到了飞速增长,而社交数据能够真实反映用户的心理、情绪等信息,除此之外对一些有害信息进行及时鉴别也是十分必要的。而随着移动设备的发展,越来越多的用户选择在社交媒体上分享自己的视频、图像、音频等数据,社交媒体数据已经呈现多模态化的趋势。然而对多模态数据进行分析仍然存在许多问题,主要包括了模态间数据表现形式不统一的问题以及模态间表征内容不统一的问题。受限于模态间数据的结构性差异,目前的主流多模态分类任务一般采用双流模型的设计,即使用各自模态对应的模型进行高质量特征提取并进行融合。但是不同模态之间目前采用的方法不尽相同,这也导致了模态之间存在量纲等难以调和的差距,这为模态间信息融合带来了难以逾越的鸿沟。随着Transformer机制和预训练模型概念的提出,使用单一结构的模型处理不同模态数据为大幅度缩小模态间结构性差距提供了可能性。针对目前双流模型存在的不足以及早期单流模型中一些难以弥补的缺陷,本文展开了以下的研究:(1)针对模态间数据存在结构性差异的问题,本文提出了基于离散变分自编码器的单流表征模型。该模型首先使用离散变分自编码器将具有多样性的图像数据降维采样到有限范围的序列组合,这使模型可以采用与文本数据类似的模型来提取在图像数据中所蕴含的信息。接下来本文选择了结构相同的BERT模型作为两种模态的特征提取模型,并将处理后的信息进行拼接并使用一个额外的BERT模型计算两种模态之间的自注意力,最终得到融合之后的特征向量。在本文所收集到的多模态社交数据集中,本文提出的单流模型达到了74.83%的准确率。除此之外本文还与其他主流的双流模型进行了实验对比,结果证明了本文模型的有效性。(2)针对模态间的数据差异会带来表征空间层次的语义差异,本文还提出了基于对比学习的单流模型表征对齐优化用于进一步改善模态间的结构性差距。通过将当前训练迭代步骤内的某种模态表征与当前步骤内和之前几个训练迭代步骤中的另一种表征进行联合对比,并使用NT-Xent损失函数生成额外的对比学习损失以用于修正两种模态之间的信息差距,本文提出的模态对齐优化方法能够有效提升模态间的信息对齐程度。在本文的实验中,在单流模型上使用了对齐优化的方法可以使准确率提升到76.11%。除此之外,本文还在其他双流模型上实验了所提出的对齐优化方法,实验结果均证明了本文的方法能够提升多模态模型的表征效果。

关键词：多模态变分自编码器 BERT 对比学习社交数据

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于目标终端与社交数据的虚假用户检测技术

软件 2023年第4期44卷 145-147页

作者：韩宇广东工业大学广东广州510000

在互联网技术创新和移动互联网深度普及中,社交网络平台作为目前人们获取和传播信息的有效途径,用户数量一直呈现直线上升趋势。现如今,人们对社交网络平台的依赖性越来越高,甚至有不少人将其看作获取信息资讯的首选。但是在进入大数据... 详细信息

在互联网技术创新和移动互联网深度普及中,社交网络平台作为目前人们获取和传播信息的有效途径,用户数量一直呈现直线上升趋势。现如今,人们对社交网络平台的依赖性越来越高,甚至有不少人将其看作获取信息资讯的首选。但是在进入大数据时代后,社交网络平台充斥着大量虚假信息,并由此造成了一系列社会问题。因此,本文在了解当前社交网络平台发展现状的基础上,根据人工智能检测虚假用户的优势和挑战,提出了以双层采样主动学习为核心的社交网络虚假用户检测技术。最终实验研究结果证明,主动学习策略能更快识别社交网络平台中的虚拟用户。

关键词：社交网络平台虚假用户检测技术社交数据目标终端

在线全文

学校读者我要写书评

暂无评论

社交数据在个人征信中的可靠性初探

上海金融 2016年第3期 50-54页

作者：张赟肖羽朱南西南财经大学工商管理学院广州中医药大学经济与管理学院

本文首先对社交数据的概念及特点进行了介绍,然后从内外两个角度,对其在个人征信中的可靠性进行了初步探讨。其中,内部主要讨论了社交数据与个人的还款意愿和还款能力之间的相关性;外部评价则主要包括个人认知及企业实践两个层面。最后... 详细信息

本文首先对社交数据的概念及特点进行了介绍,然后从内外两个角度,对其在个人征信中的可靠性进行了初步探讨。其中,内部主要讨论了社交数据与个人的还款意愿和还款能力之间的相关性;外部评价则主要包括个人认知及企业实践两个层面。最后,总结了国外社交数据征信的实践经验,希望能够给我国的征信行业的发展一些启示。

关键词：互联网金融大数据征信社交数据可靠性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

社交数据和股票价格波动关系的研究

社交数据和股票价格波动关系的研究

作者：马树东哈尔滨工业大学

学位级别：硕士

随着互联网金融的快速发展,越来越多的投资者将目光转移到了互联网社交平台上面。不只是因为它可以更加方便的为投资者提供及时的行情信息,提供交易渠道,方便投资者进行股票交易,同时也因为它在提供这些服务的同时,也成为了一个金融社... 详细信息

随着互联网金融的快速发展,越来越多的投资者将目光转移到了互联网社交平台上面。不只是因为它可以更加方便的为投资者提供及时的行情信息,提供交易渠道,方便投资者进行股票交易,同时也因为它在提供这些服务的同时,也成为了一个金融社交信息的共享平台。大量而即时的社交数据呈现在投资者面前,那是否可以通过它对股票的价格波动做出一定程度的预测,其中哪些社交因素对股票价格波动的影响更大,是否可以基于预测模型帮助投资者改善投资策略,这是本文的主要研究内容。本文的主要研究对象是雪球网、新浪财经、微博、东方财富网等互联网金融平台。首先通过对国内研究中重视网络舆论分析,缺少对其他社交数据研究的现状,提出研究假设,找到并发掘在互联网环境下对股票价格波动更具影响力的因素。然后,根据研究假设去有针对性的爬取相关的社交数据,对非文本数据进行结构化处理,对文本数据建立情感语料库,识别情感特征。之后,选择合适的智能算法构建特征模型验证假设,建立预测模型,并能够以一定的精度对股票价格的波动进行预测。研究结果表明,存在一些类似于股票新增关注程度的因素对股票的价格波动的影响比舆论分析所体现的情感因素更强,这些数据对股价波动产生的影响可能是因为即时的社交数据反应了该段时间内,投资者对股票市场发展的态度,并将这些因素与文本情感特征结合起来利用Boosting算法建立预测模型,在预测股票价格波动的同时,说明所选社交数据对股票价格波动可以起到预测作用。并且,研究发现当天所收集的数据对下一个交易日的影响程度最深,并随着时间的增长呈递减趋势。本文为研究社交数据和股票价格波动间关系提供了一定程度的贡献,丰富了该领域的理论,并为该领域的研究提供了新的思路和方法,此外,能够为投资者提供有价值的预测模型作为参考。

关键词：股票价格波动社交数据情感分析 Boosting算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于社交数据的个人信用评价研究

基于社交数据的个人信用评价研究

作者：虞佳浙江财经大学

学位级别：硕士

个人信用评价是互联网金融的重要组成部分,是交易双方正常往来的前提保证。随着大数据、人工智能、云计算、区块链等技术的发展,有关个人信用评价的研究也逐渐往新的方向发展并出现新的特征。传统的信用评价业务范围较小,在借贷历史、... 详细信息

个人信用评价是互联网金融的重要组成部分,是交易双方正常往来的前提保证。随着大数据、人工智能、云计算、区块链等技术的发展,有关个人信用评价的研究也逐渐往新的方向发展并出现新的特征。传统的信用评价业务范围较小,在借贷历史、交易记录等金融数据缺失或不对称的情况下很难直接判断出一个人的真实信用,但利用大数据环境下的电商数据、社交数据以及网络上不经意的各种行为数据评估出的用户信用可以有效补充用户的信用信息。近几年,各大互联网公司、线上借贷平台以及信用依托产业如摩拜单车等都借助网络业务中的信息创建了个人信用评价模型来评定用户的信用,以此限制低信用用户的交易从而降低风险。诸如此类的互联网企业拥有海量的用户数据,在大数据征信的环境下占了优势地位,各自构建了适用自身业务的信用评价体系。然而一些大数据征信业务同样只从一个层面如线上交易数据评定用户的信用,为了避免传统信用评价过程中出现信用信息不足的情况,本文将从另一个角度来评估用户补充用户的信用情况,即通过社交数据进行个人信用评价。基于社交数据评价用户个人信用的研究过程中,以下三个问题有重大的研究意义:(1)由用户社交数据评估所得的社交信用只代表了用户信用的一部分,如何证明社交信用与用户的真实信用保持同比一致;(2)如何利用社交数据构建信用行为模型说明社交行为维度评价信用的可行性;(3)如何建立有效的信用评价指标体系以便计算出社交用户的信用。本文通过爬虫技术在中国最大的社交平台新浪微博上爬取用户数据,结合实证研究方法、机器学习方法、计量建模法及决策分析方法来解决这些问题。首先,本文重点研究如何在精细加工可能性模型(Elaboration Likelihood Model,简称ELM)理论基础上结合社交网络的特点构建信用评价行为模型。接着,分别引入阳光信用分和芝麻信用分对微博平台中的信用表现形式进行说明,证实社交数据可用以评估及补充个人信用;在验证了社交因素会影响用户信用后,本文对影响信用的社交维度进行细化和添加,构建较为完整的个人信用评价体系,通过层次分析法(Analytic Hierarchy Process,简称AHP)和模糊综合评价法计算出网络用户的确切信用分值,最后将信用评估值与现有用户信用进行对比,证实了本文构建的个人信用评价体系的可行性。研究结果表明,用户在社交网站上的行为可以体现出其信用情况。一方面,在网络犯罪成本低下的社交环境中,具体的信用评判准则能在一定程度上提醒众网友,同时减少欺诈、传播不良信息等事件的发生;另一方面,大数据征信是一种新的信用评价方式,在传统信用评价过程中出现数据缺少或信息不对称等情况时,不失为一种可靠的信用补充方式以便提高信用的准确度,具有一定的现实意义。本文的主要创新点如下:1.基于ELM理论框架构建信用行为模型,结合理论框架与实证框架正面解释了社交因素对用户信用的影响情况,通过中央路径与周边路径分别探讨社交数据验证信用的过程;同时本文首次引入阳光信用分作为用户的社交信用,得出了社交信用与真实信用为同比关系的结论。将ELM应用到社交数据信用评价中,是对理论应用的一种创新。2.从微博平台入手并结合平台特点,串联前后研究分析针对微博用户信用的评价要素,确定综合评价指标并构建微博用户信用评价指标体系,形成了一套微博用户主体信用评估算法。数据的独特性和指标的唯一性使本文最后的信用评估算法具有独创性,阳光信用分的验证更说明了使用社交数据进行个人信用评价研究的可行性。

关键词：信用评价社交数据 ELM 机器学习层次分析法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于社交数据用户行为的时空特性分析

基于社交数据用户行为的时空特性分析

作者：文长江电子科技大学

学位级别：硕士

对用户行为时空规律的深入理解,在许多领域具有巨大的应用价值。典型的应用场景包括信息传播,个性化推荐,商业智能等。人类动力学作为一门研究人类行为的学科,已经形成一套成熟的框架。利用领域内的经典理论和模型可以对用户行为进行有... 详细信息

对用户行为时空规律的深入理解,在许多领域具有巨大的应用价值。典型的应用场景包括信息传播,个性化推荐,商业智能等。人类动力学作为一门研究人类行为的学科,已经形成一套成熟的框架。利用领域内的经典理论和模型可以对用户行为进行有效的分析;然而用户数据具有复杂和多维的本质属性,这使得使用基于先验知识的手段去洞悉用户行为会面临一些障碍,而人的视觉识别能力和自身的经验直觉尤其适合处理这类问题。基于此,本文主要做了以下研究工作:(1)人类动力学时空特性统计分析。利用人类动力学理论,对用户签到行为的时空特性规律进行验证和分析。时间特性方面:群体用户的签到行为时间间隔分布近似服从幂指数为2.64的幂律分布;群体层面的分布幂指数随活跃性单调增加,个体层面的分布幂指数和活跃性呈正相关;用户签到行为的阵发与记忆性较为发散,此外用户签到行为还表现出明显的周期性和波动性。空间特性方面:群体跳转距离分布服从幂指数约为1.394的幂律分步;用户回转半径随时间收敛最后趋于稳定;用户访问唯一地点数量随时间幂律增长;用回转半径对跳转距离进行重定标,结果显示不同回转半径组别的群体跳转距离分布塌缩到一条曲线;用户在t时刻返回历史轨迹点的概率分布具有周期性且最终趋于稳定;这些现象说明用户的出行模式具有有界性、周期性及规则性等特点。以人类动力学先验知识和上述统计结果为出发点,利用数据可视化理论对用户行为进行更深层次的分析。(2)可视化算法设计。首先明确可视化算法的作用,基于算法需求展开算法设计工作。对于空间属性,利用墨卡托投影算法进行地理坐标映射,用地图描点编码签到行为;对于时间属性,利用堆叠图算法表现多种签到行为的时序变化以及它们之间的对比;利用日历热力图算法探查更细微时间粒度上的特性;利用经改进的前链圆填充算法,展现地点-用户-类型签到-单次签到的层次结构;基于钟表的隐喻设计了钟表映射算法,利用表盘时序活跃度的变化探索地点的功能。(3)可视化系统实现。首先分析了系统的设计需求,从系统架构图出发,展开了系统功能设计,详细描述了经可视化算法映射实现的多个视图以及交互模块的功能,以系统架构为基础,遵循系统流程图的流程,利用交互模块联接多个视图并实现了丰富的交互功能,从而构建了可视分析系统。最后从用户界面概览出发,通过五个典型的案例分析证实了系统的有效性。

关键词：人类动力学时空特性社交数据可视分析

基于机器学习算法的社交数据挖掘与用户偏好的建模

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子技术与软件工程 2019年第14期 174-175页

作者：崔懿心周燕华南农业大学数学与信息学院广东省广州市510642 华南农业大学数学与信息学院数学系

本文提出了用户时事偏好评估模型。首先利用文本挖掘技术对微博数据进行预处理,再通过九种机器学习算法训练对比得到一个最优的时事类文本分类模型。研究结果显示,线性支持分类机为最优分类算法,基于分类结果的偏好评估模型可以结合传... 详细信息

本文提出了用户时事偏好评估模型。首先利用文本挖掘技术对微博数据进行预处理,再通过九种机器学习算法训练对比得到一个最优的时事类文本分类模型。研究结果显示,线性支持分类机为最优分类算法,基于分类结果的偏好评估模型可以结合传统学生评价指标,得到一个更具创新性的用户评价体系用于高校的学生评价工作中。

关键词：文本挖掘机器学习社交数据分类器用户评价

在线全文

学校读者我要写书评

暂无评论

基于社交数据挖掘的心理健康预警建模与分析

电子技术与软件工程 2020年第8期 172-173页

作者：林靖怡黎大坤吴平鑫王旭周燕华南农业大学数学与信息学院广东省广州市510642 华南农业大学数学与信息学院数学系广东省广州市510642

本文利用现有的较完善的通用情感词典,并加入网络用词,构建与抑郁症有关的情感词典,结合现有的情感分析手段分析语句中的情感值。人工筛选抑郁用户及非抑郁用户,爬取用户的基本信息及微博内容,从获取的数据中选择相关的信息作为特征。... 详细信息

本文利用现有的较完善的通用情感词典,并加入网络用词,构建与抑郁症有关的情感词典,结合现有的情感分析手段分析语句中的情感值。人工筛选抑郁用户及非抑郁用户,爬取用户的基本信息及微博内容,从获取的数据中选择相关的信息作为特征。将构建好的特征向量及人为标注的标签(是否抑郁)作为数据集,并随机划分为训练集和测试集,通过XGBoost、SVM、决策树、lightGBM等算法构建不同的分类器,结合精确率、召回率和F1值等指标,得出最优分类器XGBoost,XGBoost分类模型的准确率为91%,召回率为59%,F1分数为71%。该实验结果也表明用社交数据来预测抑郁倾向是可行的。

关键词：抑郁预测情感分析社交数据

在线全文

学校读者我要写书评

暂无评论

基于社交数据挖掘的个性化新闻推送研究

现代商业 2016年第20期 46-47页

作者：胡玮首都经济贸易大学信息学院北京100070

本文通过研究在个性化推荐领域的相关研究成果,针对新闻推送实时性、准确性、新颖性等几个方面的需求,针对其时效性问题、冷启动问题、数据稀疏性问题、可扩展性问题,提出采用社交数据挖掘的方式进行个性化新闻推送的想法与研究思路。

关键词：社交数据新闻推送个性化