微博用戶興趣識別技術(shù)的研究與應(yīng)用.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展及移動(dòng)終端的普及，網(wǎng)絡(luò)上出現(xiàn)了許多社交類的網(wǎng)站和應(yīng)用，微博由于其自身操作簡單，傳播快速等特性，聚集了大量用戶。每個(gè)用戶每天可以接收成百上千條微博，從而導(dǎo)致信息過載的問題，嚴(yán)重影響用戶對信息及知識的獲取。此外，越來越多的商家將微博作為營銷平臺，因此如何完成高質(zhì)量的廣告定向投放也成為一個(gè)具有重要商業(yè)價(jià)值的問題。微博用戶的興趣識別可以幫助解決上述問題。本文的主要工作如下：
　　本文首先嘗試了基于主題模型的用戶興趣

2、識別。將用戶的微博集合看作一篇文檔，使用Labeled LDA主題模型對用戶微博文檔的主題進(jìn)行預(yù)測，獲得的主題分布看作是用戶的興趣主題分布。該方法的問題是，當(dāng)興趣詞周圍存在大量噪聲詞時(shí)，Labeled LDA主題模型對用戶興趣詞的主題分配會(huì)隨上下文而發(fā)生嚴(yán)重偏移，從而導(dǎo)致用戶興趣識別錯(cuò)誤。
　　其次本文嘗試了基于微博分類的用戶興趣識別，通過對用戶的微博進(jìn)行逐條興趣分類，從而緩解噪聲詞對興趣詞的影響，然后通過用戶微博的興趣類別分布識

3、別用戶興趣。嘗試了兩個(gè)分類器，一個(gè)是以二字串bigram作為特征單元的線性SVM，另一個(gè)是使用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的分類器。實(shí)驗(yàn)結(jié)果表明，基于微博分類的興趣識別方法的效果優(yōu)于基于主題模型的方法，但上述兩個(gè)分類器對于包含噪聲詞較多的微博分類效果還有提升空間。
　　第三提出一種基于主題增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)的用戶興趣識別方法，通過構(gòu)建一個(gè)結(jié)合連續(xù)的語義特征和離散的主題特征的雙通道CNN作為微博分類器，對用戶的微博進(jìn)行興趣分類，通過極大似然估計(jì)得