社会媒体中的用户行为理解及分析方法

CORC > 自动化研究所 > 中国科学院自动化研究所 > 毕业生 > 硕士学位论文

题名	社会媒体中的用户行为理解及分析方法
作者	王灿1,2
答辩日期	2018-05-27
授予单位	中国科学院研究生院
授予地点	北京
导师	李秋丹
关键词	社会媒体用户行为转发预测转载预测评分预测
英文摘要	近年来，社会媒体成为人们分享意见、观点及传播信息的重要平台。用户可以在平台上自由转发信息，并对产品发表评论与评分。深入分析社会媒体中信息传播与评分机制，有助于管理部门理解用户兴趣和辅助决策。因此，如何建模用户的转发、转载和评分行为，预测用户兴趣，成为当前重要和具有挑战性的研究课题。本文借鉴深度学习、数据挖掘领域的研究成果，融合文本内容、用户和社会影响力的深度表示方法挖掘用户行为模式、预测用户兴趣。主要工作包括如下三个方面： 1）针对帖子内容和行为数据稀疏性问题，提出一种集成用户-内容交互信息、用户信息和社交影响力信息的用户转发行为预测模型。该模型首先通过融合内容共现信息、用户信息和基于词向量的内容语义表示信息计算内容间关联相似度；接着，基于协同分解模型，共同分解用户-内容交互矩阵和内容相似度矩阵，进而预测用户的转发兴趣。在真实微博数据集的实验结果表明，通过对用户与帖子信息进行有效表示，该模型能准确分析用户转发行为模式。所挖掘的行为模式可以为消费者及监管部门提供信息反馈。 2）针对传统传播分析方法依赖于显式网络结构的问题，提出一种基于热扩散理论的融合内容类别特征的新闻传播模型。该模型首先利用热扩散过程建模新闻传播过程，将新闻传播网络中的新闻站点映射到连续隐含空间中；然后，在模型中集成新闻类别语义特征，并将该语义特征作为新闻发布源站点在隐含空间中的偏置向量；最后，通过各个新闻站点与新闻发布源站点在隐含空间的距离获取新闻的转载传播序列。实验结果表明，在连续空间中建模信息扩散过程，能有效捕获训练数据中信息传播节点间隐式关联关系。集成新闻类别信息有助于深入理解与分析信息传播模式。 3）为有效集成内容及分项评分信息，提出一种基于注意力机制的评分预测方法。该方法首先通过双向长短记忆网络学习内容的深度语义表示；然后在注意力机制中集成用户分项评分信息，捕获内容中与用户分项评分有关的重要特征。在真实评论数据集中的实验结果表明，捕获评论内容与分项评分之间的深度语义关联可提升模型的预测效果。
内容类型	学位论文
源URL	[http://ir.ia.ac.cn/handle/173211/21072]
专题	毕业生_硕士学位论文
作者单位	1.中国科学院自动化研究所 2.中国科学院大学
推荐引用方式 GB/T 7714	王灿. 社会媒体中的用户行为理解及分析方法[D]. 北京. 中国科学院研究生院. 2018.