基于微博用户的消费意图识别技术研究

发布时间：2021-04-16 21:37

　　近几年的高速增长点则集中在社会媒体上,微博微信等网络社交媒体的雨后春笋般兴起,让人们可以随时随地分享自己的生活、对热点的关注以及对时事的观点,人们的生活随着社会媒体的普及变得更加互联互通、共话共享。本文以微博为例,用户在微博上通过140字以内的短文本表达自己的想法,通过深度挖掘、条分缕析用户的微博文本来识别用户的消费意图。本文中定义消费意图为用户对于商品或者服务,表现出来的购买意向。通过发掘识别用户消费意图,可以将分析预测结果多角度多维度应用于商业推广和业绩预测等领域。例如在推荐系统中,如果发现用户具有消费意图,就可以精准的定向推荐给用户对应的内容,创造商业价值;在电影上映或商品发布的时候,相关文本中具有消费意图的比重可以反映用户对于它们的需求,为下一步的判断提供依据;在分析预测用户的消费行为时,首先需要确定用户是否具有消费意图,在判断清楚消费意图的基础上进一步的研究才具有价值。传统的消费意图识别方式是根据用户可能具有的不同的消费意图,构建特定的模版进行匹配。本文收集微博用户在电影领域领域的微博文本,将消费意图问题看作一个文本分类问题,首先采用支持向量机的方式对消费意图进行识别,解决了... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

SVM分类示意图

图 3 1 所示，主要分为特征工程和分类器两部分。图 3 1 文本分类的基本过程在上述模型中，特征工程是非常重要的一个部分，这部分工作十分耗费精力。在机器学习方法特征工程完成了数据到信息的转换过程，其决定了最终结果的上限，而分类器则是信息到数据的转换过程，其引导结果不断靠近这一上

图 3-2 NNLM 的网络结构神经网络语言模型(，    )，该模型分布式方法表示文本，训练得到了连续的实数向量表示的词向量（）。图 3 2 的网络训练得到的矩阵 就是表示词语含义的词向量。该矩阵是训练过程中的一个副产物，但是结构的设计使其与词语一一对应，在

【参考文献】：
期刊论文
[1]面向社会媒体的消费意图识别:任务、挑战与机遇[J]. 付博,刘挺.  智能计算机与应用. 2015(04)

硕士论文
[1]基于微博的消费意图挖掘[D]. 陈浩辰.哈尔滨工业大学 2014
[2]面向微博的消费意图识别[D]. 焦扬.哈尔滨工业大学 2013
[3]面向微博的消费意图挖掘与分类[D]. 高汉东.哈尔滨工业大学 2012



本文编号：3142219