版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著PC互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)開始融入人們的生活,人們?cè)诰W(wǎng)上的活動(dòng)變得越來越頻繁,微博作為一種新興的社交平臺(tái)的出現(xiàn),滿足了人們信息獲取、日常交流等目的。
企業(yè)微博作為一種特殊的微博群體,可以幫助企業(yè)更加方便地進(jìn)行產(chǎn)品營(yíng)銷、客戶溝通以及行業(yè)信息動(dòng)態(tài)把握,從而可以從中挖掘出更多的商機(jī),促進(jìn)企業(yè)發(fā)展。然而由于微博平臺(tái)信息過載的問題,對(duì)于某些企業(yè)微博用戶來講,關(guān)注用戶數(shù)過多導(dǎo)致很多行業(yè)相關(guān)的微博消息被其他消息所掩蓋,未關(guān)注到的行業(yè)相關(guān)的企
2、業(yè)微博用戶發(fā)布的有潛在價(jià)值的消息難以獲得,如何從包含大量無關(guān)信息的微博集合中找出行業(yè)相關(guān)的微博,從而進(jìn)行行業(yè)情況的分析,這對(duì)于企業(yè)的發(fā)展有著至關(guān)重要的作用。
傳統(tǒng)的文本挖掘方法多采用向量空間模型的方式進(jìn)行,而向量空間模型的方法存在自身的缺陷,就是只能根據(jù)文字表面的意義進(jìn)行分析,無法挖掘文本潛在的深層次的含義,導(dǎo)致了很多有用信息的丟失,而近年來才出現(xiàn)的主題模型在文本挖掘方面的能力已經(jīng)通過實(shí)踐得到了證明,相對(duì)于傳統(tǒng)的文本挖掘方法,
3、基于主題模型的文本挖掘?qū)τ诎l(fā)現(xiàn)文本潛在的主題特征有很好的效果。
對(duì)于企業(yè)微博文本來說,使用主題模型進(jìn)行建??梢院芎玫赝诰虺銎髽I(yè)微博用戶的行業(yè)興趣或者對(duì)不同的行業(yè)微博消息進(jìn)行區(qū)分,這可以幫助企業(yè)更好更快地獲取到所需要的行業(yè)相關(guān)的商業(yè)信息,從而進(jìn)行決策。
本文基于主題模型來對(duì)企業(yè)微博用戶進(jìn)行行業(yè)主題建模,同時(shí)使用向量空間模型進(jìn)行行業(yè)特征選擇,從而建立企業(yè)微博用戶的行業(yè)向量,并在以上基礎(chǔ)上實(shí)現(xiàn)企業(yè)微博用戶以及企業(yè)微博消息的
4、推薦,本文研究的工作體現(xiàn)在以下兩個(gè)方面:
1.本文通過BIG DATA爬蟲開放平臺(tái)獲取了新浪企業(yè)微博消息作為實(shí)驗(yàn)數(shù)據(jù),并且使用了LDA模型和作者主題模型ATM實(shí)現(xiàn)企業(yè)微博用戶主題維度的行業(yè)興趣建模,實(shí)驗(yàn)證明對(duì)于企業(yè)微博進(jìn)行主題建模是可行的,其中作者主題模型ATM的建模效果要優(yōu)于LDA模型的建模效果,這是因?yàn)長(zhǎng)DA模型對(duì)于短文本的主題建模效果不理想,而ATM模型中將微博消息以用戶為單位整合后在一定程度上消除了文本長(zhǎng)度過短的缺點(diǎn)。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于主題模型的企業(yè)微博推薦方法研究與實(shí)現(xiàn).pdf
- 基于主題模型的微博推薦研究.pdf
- 基于概率主題模型的微博新聞個(gè)性化推薦研究.pdf
- 基于主題模型的興趣點(diǎn)推薦方法研究與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾技術(shù)的微博好友推薦方法的研究與實(shí)現(xiàn).pdf
- 基于微博平臺(tái)的用戶推薦模型研究.pdf
- 基于用戶興趣的微博推薦方法研究.pdf
- 基于主題模型的微博話題檢測(cè)與跟蹤研究.pdf
- 基于云計(jì)算的微博推薦系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于主題模型的資訊推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于HDP模型的專業(yè)微博主題演化研究.pdf
- 基于主題標(biāo)簽的微博推薦和搜索技術(shù)研究.pdf
- 基于主題模型的微博話題發(fā)現(xiàn)與話題摘要.pdf
- 基于新浪微博的好友推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
- 微博媒體的信息推薦方法研究.pdf
- 基于用戶聚類的微博話題推薦方法研究.pdf
- 基于數(shù)據(jù)挖掘技術(shù)的微博好友推薦機(jī)制的研究與實(shí)現(xiàn).pdf
- 基于微博用戶的新聞推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于加權(quán)動(dòng)態(tài)興趣度的微博推薦方法研究.pdf
- 基于主題和結(jié)構(gòu)的微博社區(qū)挖掘方法研究.pdf
評(píng)論
0/150
提交評(píng)論