融合网络表示和用户内容的社交媒体话题推荐

发布时间：2022-07-08 10:47

　　近年来,我们已经见证了社交媒体的快速发展,越来越多的用户参与其中。随着用户参与话题的火热,找出用户感兴趣的话题成为了一个急需解决的问题。通过为用户推荐话题可以为很多下游应用带来好处,比如商品推荐,在线精准营销,增加客户黏性,甚至是疾病传播预测和公共卫生监测。但是,目前话题的推荐方法,主要是分析用户的文本内容来推断他们感兴趣的话题,或者是简单地给用户推荐好友喜欢的话题,这些方法通常不能全面地考虑用户特征,从而导致推荐效果欠佳。在本文中,我们首先从主流的社交平台收集数据,包括微博,知乎,豆瓣和推特。采用经典的主题模型LDA来量化内外因素对用户话题分布的影响。结果显示,大部分用户的兴趣,与其过去的偏好以及好友的偏好是相似的。基于这个发现,我们融合了用户的历史文本内容和用户好友的社交关系来建立模型,给用户推荐未来可能会参加的话题。我们形式化引入多标签分类来建立模型,其中用户的文本内容和网络结构被联合用于提取用户的话题偏好。我们提出的方法主要由两个组件构成:（1）用户文本嵌入（2）网络嵌入。它们被结合起来学习用户的内在和外在偏好。为了更加有效地学习,我们通过局部敏感哈希把连续的特征嵌入转为二进制... 

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外相关研究现状
    1.3 论文的主要研究内容
    1.4 论文的结构安排
第二章 相关原理及技术
    2.1 神经网络与深度学习
        2.1.1 深度学习
        2.1.2 卷积神经网络
        2.1.3 常用的神经网络框架
    2.2 网络表示学习
        2.2.1 基于矩阵分解的方法
        2.2.2 基于词向量的方法
        2.2.3 基于图卷积的方法
    2.3 局部敏感哈希技术
        2.3.1 局部敏感哈希介绍
        2.3.2 随机平面哈希方法
    2.4 深度学习的可解释性
    2.5 本章小结
第三章 社交媒体用户数据分析
    3.1 数据描述
        3.1.1 数据获取
        3.1.2 数据处理
    3.2 相关术语介绍
        3.2.1 LDA主题模型
        3.2.2 KL散度
    3.3 用户文本内容数据分析
        3.3.1 用户参加话题与文本内容的关系
        3.3.2 用户文本内容数据分析
    3.4 用户社交网络数据分析
        3.4.1 用户参加话题与社交网络的关系
        3.4.2 用户社交网络数据分析
    3.5 本章小结
第四章 基于卷积神经网络的用户话题推荐
    4.1 问题定义
    4.2 用户话题推荐算法
        4.2.1 用户文本内容特征建模
        4.2.2 用户社交网络特征建模
        4.2.3 用户特征融合
        4.2.4 用户特征卷积和话题推荐
        4.2.5 话题推荐算法总结
    4.3 模型的可解释性
    4.4 本章小结
第五章 算法评估与实验结果分析
    5.1 实验设置和数据集
        5.1.1 实验参数设置
        5.1.2 数据集介绍
    5.2 对比方法和评价指标
        5.2.1 对比方法
        5.2.2 评价指标
    5.3 实验结果分析
        5.3.1 算法结果对比
        5.3.2 网络结构对话题的影响
        5.3.3 模型的收敛性
        5.3.4 局部敏感哈希效果分析
        5.3.5 模型的可解释性
    5.4 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 未来展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]图书情报学视角的Web2.0研究综述[J]. 牛婧.  现代职业教育. 2018(01)
[2]移动互联网研究综述[J]. 吴吉义,李文娟,黄剑平,章剑林,陈德人.  中国科学:信息科学. 2015(01)



本文编号：3656888