微博用户建模技术研究

发布时间：2021-06-17 05:22

　　微博通过自身多年的发展,逐渐成为国内最大且具有代表性的社交媒体,每天都有大量用户通过微博浏览新闻信息,发表微博文本,进行社交互动等。但是,在微博被广泛应用的同时,也产生了相应的问题:海量信息造成的数据冗余与用户实际的数据需求间产生的矛盾,既造成了用户接收无意义信息的负担,也增加了信息传播的成本。对微博用户建模进行研究,不仅有利于各类商业信息的精准投放,同时对社会舆情监控,民生反映等方面都有着十分重要的作用。本文主要针对微博用户建模任务中特征提取不完善,性别分类和兴趣识别准确率不高等问题进行研究,主要的工作内容如下:1.针对中文微博性别分类工作中特征提取有待完善,性别分类准确率有待提高的问题,提出了一种新的基于融合策略的微博用户性别分类模型。该模型首先利用微博用户的微博文本特征构建分类器并得到分类结果;然后利用卷积神经网络模型对用户的性别进行分类;最后采用XGBoost模型将两个分类模型进行融合,得到最终分类结果。实验结果表明,该方法相比一系列对比方法有更好的分类结果。2.针对微博用户兴趣识别问题中语料利用不充分,识别效果不理想的问题,提出了一种用户兴趣三层建模方法。首先利用传统的分类方... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

用户“wulongdefencenews”标签信息图

【参考文献】：
期刊论文
[1]基于发文内容的微博用户兴趣挖掘方法研究[J]. 熊才伟,曹亚男.  计算机应用研究. 2018(06)
[2]基于多类型文本的半监督性别分类方法研究[J]. 戴斌,李寿山,贡正仙,周国栋.  山西大学学报(自然科学版). 2017(01)
[3]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[4]基于情绪特征的中文微博用户性别识别[J]. 刘宝芹,牛耘.  计算机工程与科学. 2016(09)
[5]微博中结合转发特性的用户兴趣话题挖掘方法[J]. 王永贵,张丰田,刘雨诗,肖成龙.  计算机应用研究. 2017(07)
[6]微博用户标签与博文内容相关度研究[J]. 朱玲,薛春香,章成志,傅柱.  现代图书情报技术. 2016(03)
[7]基于文档分布式表达的新浪微博情感分类研究[J]. 杨宇婷,王名扬,田宪允,李鹏宇.  情报杂志. 2016(02)
[8]基于有指导LDA用户兴趣模型的微博主题挖掘[J]. 王立人,余正涛,王炎冰,高盛祥,李贤慧.  山东大学学报(理学版). 2015(09)
[9]基于RBF神经网络的微博用户兴趣预测模型[J]. 于岩,陈鸿昶,于洪涛.  计算机应用研究. 2015(12)
[10]基于微博扩展的用户兴趣主题挖掘算法[J]. 杨福强,王洪国,董树霞,丁艳辉,尹传城.  计算机工程与设计. 2015(05)



本文编号：3234558