检索结果-南通市图书馆

基于MapReduce的并行LAD模型评论主题提取算法研究

在线全文

学校读者我要写书评

暂无评论

福州大学学报（自然科学版） 2016年第5期44卷 644-648页

作者：薛行贵高见文张伯虎黄立勤武警工程大学研究生管理大队陕西西安710086 福州大学物理与信息工程学院福建福州350116

针对传统的潜在狄利克雷分析(LDA)模型在提取评论主题时存在着计算时间长、计算效率低的问题,提出基于MapReduce架构的并行LAD模型建立方法.在文本预处理的基础上,得到文档-主题分布和主题-特征词分布,分别计算主题相似度和特征词权重,... 详细信息

针对传统的潜在狄利克雷分析(LDA)模型在提取评论主题时存在着计算时间长、计算效率低的问题,提出基于MapReduce架构的并行LAD模型建立方法.在文本预处理的基础上,得到文档-主题分布和主题-特征词分布,分别计算主题相似度和特征词权重,结合k-均值聚类算法,实现评论主题提取的并行化.通过Hadoop并行计算平台进行实验,结果表明,该方法在处理大规模文本时能获得接近线性的加速比,对主题模型的建立效果也有提高.

关键词： LAD模型 MapReduce 评论主题 k-均值聚类算法

在线全文

学校读者我要写书评

暂无评论

基于主题分析的电商评论有用性研究

基于主题分析的电商评论有用性研究

作者：杜宇航北京化工大学

学位级别：硕士

近年来,随着移动互联网的普及和电商的急速发展,人们逐渐习惯了通过互联网进行日常生活的消费。当消费者在电商平台上进行购物活动时,往往会参考其他已购买者发布的评论信息用以做出购买决策。以往的研究表明相较于商家所展示的商品信息... 详细信息

近年来,随着移动互联网的普及和电商的急速发展,人们逐渐习惯了通过互联网进行日常生活的消费。当消费者在电商平台上进行购物活动时,往往会参考其他已购买者发布的评论信息用以做出购买决策。以往的研究表明相较于商家所展示的商品信息,消费者更愿意相信在线评论。电商平台上的用户评论已成为人们对产品或服务做出购买决策时的重要参考。然而,由此引发的一个重要的问题是,随着电商平台上的评论数量日益增多且评论的质量良莠不齐。这一方面使得在线商家很难了解顾客对其产品或者服务的真实关切,另一方面也使得那些真正对消费者购买决策有用的评论被湮没在巨量的评论之中。本文以抓取到的大众点评网站10家店铺中的两家店铺为例,总计4000条在线评论作为研究对象,利用本文所提出的Help-LDA、Tfidf-LDA、Max-LDA与经典的LDA模型及其扩展模型来对电商评论进行主题和有用性分析。通过对比发现,本文所提出的模型Help-LDA模型能够很好的帮助商家解读评论,而且Help-LDA+SVM在评论有用性预测方面取得良好的效果。一方面帮助商家了解在线消费者对于商品或服务的真实关切,针对性的改善商家的商品和服务质量;另一方面探讨评论主题和评论有用性之间的关系,以预测新增评论对于购买决策的有用性,帮助消费者快速找出有用性较高的评论,在阅读少量的评论就能做出购买决策。在大众点评数据集上的实验表明,从电商评论中进行主题抽取能够帮助在线商家了解顾客的真实关切并能够显著提升评论有用性预测。

关键词：电商评论评论有用性评论主题

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进LDA主题模型的MOOC推荐方法

基于改进LDA主题模型的MOOC推荐方法

作者：田远江西财经大学

学位级别：硕士

2020年全球疫情全面爆发,我国政府、高校等相关机构积极研判形势,开始实行网络线上教学,在线学习已经成为当前时代不可或缺的教学形式。中国大学MOOC(以下简称慕课)就是这种全新教学形式的代表平台。慕课平台学习资源广泛,涵盖学科门类... 详细信息

2020年全球疫情全面爆发,我国政府、高校等相关机构积极研判形势,开始实行网络线上教学,在线学习已经成为当前时代不可或缺的教学形式。中国大学MOOC(以下简称慕课)就是这种全新教学形式的代表平台。慕课平台学习资源广泛,涵盖学科门类齐全,学生、进入职场的新人都能找到自己感兴趣的课程,其开课机构以各大高校为主,以培训团队为辅。各大高校开设的课程免费,同时有相关高校背景作质量保证,深受广大学习者欢迎,越来越多的老师、专家在慕课上发布自己讲授的课程,带来更多课程选择的同时,也加重了平台的信息过载,尽管平台本身提供相关信息检索服务,但仍不足以解决这个问题,为了应对这个挑战,慕课推荐成为近年来的研究热点。本文通过爬取慕课平台10150门课程信息数据及1048575条对应课程的评论、评分相关数据,通过数据清洗,得到课程的评分、评论研究基础数据。以此为基础进行了如下三个方面的研究工作:(1)处理评论数据时,在利用LDA模型生成“主题-词”矩阵基础上,引入Word2Vec模型将此矩阵转换为“主题-词向量”矩阵。(2)词向量具有数字特征,主题分类具有文本特征,用K-Prototype模型将二者相结合,完成了对此矩阵的聚类操作,使评论的主题带有语义信息,从而计算得到改进LDA模型的课程相似度矩阵。(3)运用多元线性回归,将课程基于评分和基于改进LDA评论主题的相似度矩阵进行汇总,将已完成构造的测试评分矩阵与汇总后的课程相似度矩阵二者进行相乘,从而生成较为精确的预测分数矩阵,进而产生课程推荐。本文以MAE和RMSE为评估指标,通过对本文详细阐述的基于课程评分相似度的MOOC推荐算法、基于LDA主题相似度的MOOC推荐算法和基于改进LDA主题模型的MOOC推荐算法三者内比,MAE值分别为5.1921、4.5066、3.2031,RMSE值分别为5.2722、4.6004、3.2869;同时重新构造5个数据集与Slope One算法、TMCF算法外比,本文所改进的算法RMSE值整体表现最佳,同时当课程的平均评论数增加时,其课程预测分数表现更好,证明了本文所提算法能够为MOOC推荐助力。

关键词： MOOC推荐评论主题 K-Prototype模型隐狄利克雷分布(LDA)

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于评论数据挖掘的个性化推荐研究

基于评论数据挖掘的个性化推荐研究

作者：李贤杭州电子科技大学

学位级别：硕士

随着信息技术的不断发展,在网络上出现了越来越多的数据,“信息过载”的问题随之而来,如何从海量数据中获取用户感兴趣的信息便成了一个巨大问题,为了解决这个问题个性化推荐技术应运而生。个性化推荐是指为用户提供那些他们可能喜欢的... 详细信息

随着信息技术的不断发展,在网络上出现了越来越多的数据,“信息过载”的问题随之而来,如何从海量数据中获取用户感兴趣的信息便成了一个巨大问题,为了解决这个问题个性化推荐技术应运而生。个性化推荐是指为用户提供那些他们可能喜欢的物品或信息,通常用户的反馈信息包含评分和评论数据,而用户的评论中含有大量的信息,在评论中用户会表达自己的喜好。通过对用户评论数据进行分析,能够更好地了解用户的偏好,从而提升推荐算法的精准度。目前,个性化推荐的相关研究取得了一定的成果,传统的推荐方法通常是根据用户的评分信息来进行推荐,但评分信息存在着一定的局限性,所以利用好用户评论信息将能够更好地进行个性化推荐。针对这个问题本文提出了一种从评论主题的角度进行推荐的算法,根据用户评论信息来对用户偏好和物品属性进行建模,能够更好地表现用户偏好和物品属性的匹配程度,并且在对最终评分预测的结果进行了强化处理,能够有效减少干扰因素,最终提升推荐的准确性。另外,还提出了一种基于因子分解机（Factorization Machine,FM）和隐马尔可夫模型（Hidden Markov Model,HMM）相结合的推荐算法,在处理数据稀疏的情况时也能得到较好的效果,进而提升算法的准确性。通过对比实验的结果表明,本文提出的从评论主题角度的推荐算法以及基于因子分解机和隐马尔可夫模型的推荐方法,能够有效地提高推荐的准确率。

关键词：个性化推荐用户评论评论主题因子分解机

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时滞关联特征患者就诊反馈分析

中华医学图书情报杂志 2019年第6期28卷 48-54页

作者：向菲江捷谢耀谈华中科技大学同济医学院医药卫生管理学院

抓取“微医网”医患评论数据,对其中时滞与患者满意度进行关联分析,并对评论内容进行主题挖掘,提取不同时滞区间内患者重点关注的内容。通过对患者评论文本不同时滞区间内容的分析,寻找满意度提升策略,以缓解医患关系。使用K-means将患... 详细信息

抓取“微医网”医患评论数据,对其中时滞与患者满意度进行关联分析,并对评论内容进行主题挖掘,提取不同时滞区间内患者重点关注的内容。通过对患者评论文本不同时滞区间内容的分析,寻找满意度提升策略,以缓解医患关系。使用K-means将患者反馈数据根据就诊后时长反馈分为“短期”和“长期”,通过LDA主题提取模型,对满意度划分后的患者评论文本挖掘不同时滞区间内患者所关注的重点内容,将其差异进行对比分析发现,患者就诊满意度随着时滞呈现趋高现象,不同时滞文本显示患者评论维度大致相同,但随着时滞区间的转移,患者所关注的就诊体验内容也有所变化。

关键词：在线医疗社区患者反馈时滞评论主题满意度

在线全文

学校读者我要写书评

暂无评论

浅谈目标受众与电视新闻评论的通俗性

河北大学成人教育学院学报 2003年第1期5卷 83-84,88页

作者：赵树旺河北大学新闻传播学院河北保定071002

电视新闻评论的通俗性由电视传播自身特征和目标受众特性决定。“传播者本位”的传播意识向“受众本位”进行转变,电视新闻评论节目的目标受众包含各个层次,由于经济水平的不一、接受教育层次不同,会有一大批文化层次比较低、平均接受... 详细信息

电视新闻评论的通俗性由电视传播自身特征和目标受众特性决定。“传播者本位”的传播意识向“受众本位”进行转变,电视新闻评论节目的目标受众包含各个层次,由于经济水平的不一、接受教育层次不同,会有一大批文化层次比较低、平均接受能力不很高的受众,要结合受众的实际情况、知识水平,用通俗的语言阐述深刻的观点,才能吸引受众的注意力;评论的通俗性还可以用电视的画面语言、通过“讲故事”的手法和受众的现场参与得到实现。

关键词：目标受众电视新闻评论通俗性评论主题电视传播