基于用户画像的UGC质量预判方法

发布时间：2020-06-12 23:13

【摘要】：随着大数据时代的到来,互联网数据量已经成爆发式增长。人们可以随时随地以任何形式的设备接入互联网,对网络信息进行搜集、利用和传播。互联网信息量的剧增,为用户带来高质量内容的同时,也带来了无序异构、难以利用的低质量内容。如何对低质量UGC(User-Generated Content)进行及时有效地评估和鉴别,以及对高质量UGC进行有效地管理和组织,对互联网信息环境的健康发展有着较大的影响。目前,在UGC质量评价与控制研究方面,大多是以UGC的内容本身为出发点,用户行为因素没有得到应有的重视,也鲜有将内容、行为两者结合起来进行综合性的研究。本研究拟从社交网络用户的信息行为角度出发,在对用户行为与UGC质量关系的挖掘的基础上,筛选出产生低质量UGC的异常行为数据,为用户构建个体画像,通过采用机器学习算法,对用户画像数据进行训练,得到基于用户画像的UGC质量预判模型,从而实现对用户未来UGC质量的有效预判。本研究全文共分为六个章节,第一章和第二章是对国内外UGC相关研究和理论基础进行文献梳理;第三章和第四章主要是对用户画像原理及构建方法和基于用户画像的UGC质量预判模型的构建,通过分析与挖掘用户在社交网络中与UGC相关的行为,对用户的异常行为进行识别,并进一步筛选出产生了低质量UGC的异常行为,为用户构建基于低质量UGC异常行为的个体画像,建立起基于用户画像的UGC质量预判模型;第五章是实证环节,通过编写爬虫进行数据采集以及对数据进行预处理,对模型的有效性和效果进行验证;第六章是总结,在总结全文的基础上对未来进行展望。由于目前对低质量UGC的判定尚没有统一的评估标准,致使本研究中存在一定程度上的主观性。同时,没有将用户的即时数据动态更新到用户画像模型中,这对模型的准确性有一定程度上的影响。因此,未来的研究可以在建立低质量UGC的统一评判标准的基础上,更准确地识别用户产生低质量UGC的异常行为,并动态地将即时数据更新到用户画像预判模型中,可以提高UGC质量预判的精准度。
【图文】：

分布图,年限,画像,质量

的研究从概念原理的研究，，逐步过渡到利用用户画再过渡到产品服务方面的研究。国内对用户画像的画像的建模方法、用户画像用户精准营销、用户体，从 UGC 质量与用户画像两个方面介绍国内外研究究现状C 质量的国外研究现状的梳理，采用引文数据库文献ence（以下简称 WOS）引文数据库中，选择 WOS 核NDED, SSCI, CPCI-S, CCR-EXPANDED, IC）为数据索式“TI=(UGC OR CGC OR UCC OR "User Generatenerated Content" OR "User Created Content" OR "Socontent" OR Twitter OR Wikipedia OR Youtube OR FacD TI="Quality"”进行检索，得到检索结果 176 篇，文；并对检索结果使用 CiteSpace 进行关键词分析，关词排名如表 1.1 所示。

分布图,关键词,相关研究,图谱

文献的年限分布如图 1.1 所示；并对检索结果使用 CiteSpace 进行关键词分析，关键词图谱如图1.2 所示，关键词排名如表 1.1 所示。图 1.1 国外 UGC 质量相关研究文献年限分布图
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G252

【相似文献】