基于情感认知和个性化特征的用户兴趣分析方法研究与实现

发布时间：2021-09-17 16:06

　　随着在线社交媒体的发展,对用户兴趣的研究以及在此基础上进行相关的应用开发,具有重要意义。由于微博中用户一般具有个性化的信息,同时在用户发布的微博短文本中往往含有情绪或情感信息,因此,对用户微博文本进行分析挖掘,完成用户的情绪认知、个性人格分析、兴趣抽取,并在此基础上完善个性化推荐,是有意义的。本文构建了用户能量模型,改进了基于LDA的兴趣抽取模型,完善了个性化推荐。主要工作如下:1)根据用户情感语义分析,结合Big-Five心理个性方法,构建用户能量模型。通过算法对比,构建用户正负能量的模型,将用户的文字转换成向量输入到SVM进行训练,分析新的语料库,预测新用户能量极性。2)构建基于改进LDA的个性化兴趣抽取算法,探究用户兴趣标签抽取的有效方法。通过LTP句法分析工具处理词对,经由LDA算法进行兴趣标签抽取。通过与BTM算法对比,使用多个基准进行校验,实验结果表明使用改进算法抽取的兴趣标签更准确。3)提出了一个基于用户能量模型和兴趣标签的推荐方法,该方法可以推荐群体中能量相似的用户。其中协同过滤算法用来扩展兴趣标签,Doc2vec用来将文本向量化,以此实现用户之间的相似推荐。实验结果表... 

【文章来源】：河北科技大学河北省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

论文主题流程

献[54]中设计实现条件相对熵的个性化推荐算法，并准确实现推荐算法。2.3.2 Doc2vec 算法Tomas Mikolov 提出了 Doc2Vec 方法，它实际上是基于 Word2vec 模型。Word2vec 一样，Doc2Vec 也有两种模式，分布式存储器(DM)和分布式字袋(DBODBOW 模型预测给定文档向量的文档中的一组随机单词的概率。如图 2-3 所示：

与此同时本文还将无监督和有监督的机器学习SVM、决策树、KNN、贝叶斯、逻辑斯特回归、随机森林等多种机器学习算法作比较。经由实验表明，本文中利用的情感识别的思想，得出来的结果在F值中效果略好。如图3-3：图 3-3 基于本文方法与其他机器学习算法性能比较 AVG F-measure

【参考文献】：
期刊论文
[1]基于用户兴趣模型的个性推荐算法[J]. 郁钢,陆海良,单宇翔,高扬华.  智能计算机与应用. 2018(02)
[2]基于主题模型分析与用户长短兴趣的活动推荐[J]. 高泽锋,王邦,徐明华.  小型微型计算机系统. 2018(04)
[3]基于改进用户兴趣模型的个性化图书推荐算法（英文）[J]. 赵杰.  机床与液压. 2018(06)
[4]一种基于隐式反馈的用户兴趣模型构建方法[J]. 赵文朋,丁艳辉,金连旭,张骏.  计算机与数字工程. 2018(03)
[5]基于标签和PageRank的重要微博用户推荐算法[J]. 王嵘冰,安维凯,冯勇,徐红艳.  计算机科学. 2018(02)
[6]大学生大五人格、社交焦虑和手机成瘾倾向的关系研究[J]. 钟华华.  潍坊工程职业学院学报. 2018(01)
[7]一种改进的Supervised-LDA文本模型及其应用[J]. 许腾腾,黄恒君.  计算机工程. 2018(01)
[8]基于多模数据的微博用户兴趣识别研究[J]. 曾金,陆伟,陈海华,贺国秀.  情报科学. 2018(01)
[9]一种基于RLDA主题模型的特征提取方法[J]. 冯新淇,张琨,任奕豪,谢彬,赵静.  计算机与数字工程. 2017(10)
[10]基于文本与社交信息的用户群组识别[J]. 王中卿,李寿山,周国栋.  软件学报. 2017(09)

硕士论文
[1]基于微博文本情感计算的用户个性分析方法的研究[D]. 刘多星.河北科技大学 2018
[2]中文微博短文本主题挖掘方法研究与原型系统开发[D]. 杨柯帆.大连海事大学 2017
[3]基于情感词典的中文微博情感分析研究[D]. 郑毅.中山大学 2014
[4]微博情感词典的构建及其在微博情感分析中的应用研究[D]. 李钰.郑州大学 2014



本文编号：3399060