面向社交媒体的评论自动生成系统的设计与实现

发布时间：2023-12-04 18:27

　　近年来,随着社交媒体的飞速发展,针对社交媒体内容的评论自动生成技术有希望产生巨大的社会和商业价值,因此该技术引起了工业界和学术界越来越多的关注。面向社交媒体的评论自动生成工作是指借助于目前流行的深度学习技术、自然语言生成技术、数据挖掘技术等,通过构建高性能的算法赋予机器和人类一样能够进行语言理解和语言表达的能力,模仿人类的语言习惯对社交媒体内容进行评论。目前,针对社交媒体内容的评论自动生成工作处于发展的初始阶段,具有较大的研究价值。先进的社交媒体评论自动生成技术不仅可以辅助个人轻松维护复杂的社交媒体关系,而且能够帮助组织机构进行新商品在社交媒体平台的推广,还能够帮助政府更好的进行社会舆情引导,维护社会的长治久安。但是,当前社交媒体评论自动生成工作同样面临诸多的挑战,主要包括以下几点:(1)如何通过建模的方法,赋予机器模拟不同社交媒体用户语言风格的能力;(2)在给予机器情感极性的情况下,机器如何按照指定的情感进行评论生成,而且能够在生成的评论中体现和指定情感极性一致的情感倾向;(3)目前该领域缺乏能够支持模型训练的大规模的数据集。以上挑战都严重制约了面向社交媒体评论自动技术的发展。因此,...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景和发展现状
    1.2 研究意义
    1.3 本文的研究工作
    1.4 论文结构
第2章 评论自动生成研究综述
    2.1 评论自动生成的研究现状
    2.2 用户个性和情感表示建模研究现状
    2.3 评论生成的研究方向
        2.3.1 商品评论自动生成
        2.3.2 新闻评论的自动生成
        2.3.3 社交媒体评论的自动生成
    2.4 评论自动生成领域面临的主要问题
        2.4.1 评论生成的多样性问题
        2.4.2 评论生成的个性化和情感化问题
        2.4.3 支持个性化和情感化的社交媒体评论数据集问题
    2.5 本章小结
第3章 系统相关基础理论
    3.1 文本表示方法
    3.2 基于深度学习的评论生成的算法
        3.2.1 基于循环神经网络的自然语言生成算法
        3.2.2 基于编码-解码框架的评论生成算法
        3.2.3 基于生成对抗网络的评论生成算法
    3.3 本章小结
第4章 系统的详细设计与实现
    4.1 数据集的构建
        4.1.1 推文-评论数据集的构建
        4.1.2 用户个性化建模数据集的构建
    4.2 面向社交媒体评论自动生成算法的设计与实现
        4.2.1 符号定义
        4.2.2 社交媒体评论自动生成的数学定义
        4.2.3 基于情感感知用户个性化建模
        4.2.4 基于多对抗方法的评论自动生成算法
        4.2.5 算法的参数迭代和训练过程
    4.3 本章小结
第5章 系统的测试与结果评估
    5.1 评价指标
    5.2 特征提取
    5.3 模型训练参数设定
    5.4 模型测试基准
    5.5 模型评估和结果分析
    5.6 系统的可视化
    5.7 本章小结
第6章 结论与展望
    6.1 结论
    6.2 展望
参考文献
致谢
学位论文评阅及答辩情况表



本文编号：3870473