
预览加载失败,请重新加载试试~

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、隨著信息技術(shù)和社交網(wǎng)絡(luò)的快速發(fā)展,在線社交網(wǎng)絡(luò)已經(jīng)成為互聯(lián)網(wǎng)信息發(fā)布和傳播的主要渠道。為更好的研究用戶行為模式,掌握輿論熱點(diǎn),挖掘用戶興趣并構(gòu)建用戶畫像,信息傳播逐漸成為當(dāng)前社交網(wǎng)絡(luò)的研究熱點(diǎn)。
當(dāng)前,信息傳播研究分為針對(duì)信息傳播性質(zhì)的分析型研究、面向信息傳播過程建模的解釋型研究以及面向信息傳播參與者行為選擇建模的預(yù)測(cè)型研究。分析型方法側(cè)重對(duì)信息傳播模式的分析而缺乏對(duì)信息傳播本質(zhì)的深層探討;解釋型方法嘗試對(duì)尚未明了的信息傳播機(jī)
2、制建模,因而在適用性方面受到一定限制;預(yù)測(cè)型方法嘗試對(duì)用戶轉(zhuǎn)發(fā)選擇行為進(jìn)行預(yù)測(cè),但由于靜態(tài)網(wǎng)絡(luò)結(jié)構(gòu)的假設(shè)而缺少對(duì)社交網(wǎng)絡(luò)增量特性的支持。因此,全面、動(dòng)態(tài)、增量地處理社交網(wǎng)絡(luò)數(shù)據(jù)成為預(yù)測(cè)信息傳播亟待解決的問題。
當(dāng)前,機(jī)器學(xué)習(xí)技術(shù)在眾多領(lǐng)域取得了重大突破,排序?qū)W習(xí)模型(Learning To Rank,簡(jiǎn)稱LTR模型)作為機(jī)器學(xué)習(xí)和信息檢索領(lǐng)域最重要的模型之一,受到越來越多的關(guān)注。排序?qū)W習(xí)以及其他機(jī)器學(xué)習(xí)模型被用于解決信息傳播問
3、題后,取得了較好的效果,但仍然存在一定缺陷:第一,由于信息傳播機(jī)制尚未明了,導(dǎo)致特征生成方法不夠明確,而現(xiàn)有特征也不足以體現(xiàn)信息傳播的本質(zhì);第二,社交網(wǎng)絡(luò)動(dòng)態(tài)結(jié)構(gòu)給研究信息傳播帶來難度,動(dòng)態(tài)的跟蹤用戶拓?fù)潢P(guān)系變化比較困難,另外增量變化的社交數(shù)據(jù)也要求增量的構(gòu)建多維復(fù)合特征;第三,由于社交網(wǎng)絡(luò)用戶和信息數(shù)量過大,排序?qū)W習(xí)的候選集生成方案在社交網(wǎng)絡(luò)環(huán)境下的復(fù)雜度較高,并且排序?qū)W習(xí)缺乏對(duì)數(shù)據(jù)和模型的增量性的支持。
因此,本文針對(duì)基于
4、排序?qū)W習(xí)的信息傳播預(yù)測(cè)算法進(jìn)行了相關(guān)研究,主要工作包括:
(1)通過選取分析型、解釋型和預(yù)測(cè)型方法中的典型特征,在機(jī)器學(xué)習(xí)算法框架內(nèi),從三個(gè)方面進(jìn)行了特征擴(kuò)展:用戶屬性特征、用戶關(guān)系特征及微博與事件特征,實(shí)驗(yàn)結(jié)果表明擴(kuò)展后的特征有助于提高信息傳播預(yù)測(cè)的精度。
(2)采用信息流入流出的動(dòng)態(tài)結(jié)構(gòu)代替靜態(tài)拓?fù)浣Y(jié)構(gòu),在此基礎(chǔ)上并提出了基于時(shí)間窗的增量混合特征生成算法(Incremental Mix Feature Gener
5、ation,簡(jiǎn)稱I-MFG算法),該方法基于社交網(wǎng)絡(luò)特征擴(kuò)展以及增量學(xué)習(xí)思想改進(jìn)了社交網(wǎng)絡(luò)特征生成方法。實(shí)驗(yàn)結(jié)果表明I-MFG算法可以提高混合特征的預(yù)測(cè)準(zhǔn)確率,較好的適應(yīng)增量的數(shù)據(jù),較準(zhǔn)確的反映用戶行為特征的動(dòng)態(tài)性和復(fù)雜性。
(3)針對(duì)社交網(wǎng)絡(luò)數(shù)據(jù)和預(yù)測(cè)模型增量性的需要,本文基于LTR模型提出了新的基于數(shù)據(jù)點(diǎn)的增量排序?qū)W習(xí)算法(Incremental pointwise Learning To Rank,簡(jiǎn)稱I-pLTR算法)
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
- 基于用戶特征的社交網(wǎng)絡(luò)信息傳播的研究.pdf
- 社交網(wǎng)絡(luò)中基于用戶信息與行為的精準(zhǔn)傳播研究
- 基于交互行為特征的社交網(wǎng)絡(luò)信息傳播研究.pdf
- 基于在線社交網(wǎng)絡(luò)信息傳播的重要用戶發(fā)現(xiàn).pdf
- 社交網(wǎng)絡(luò)中基于用戶信息與行為的精準(zhǔn)傳播研究.pdf
- 基于用戶特征的社交網(wǎng)絡(luò)數(shù)據(jù)挖掘研究.pdf
- 社交網(wǎng)絡(luò)中基于用戶動(dòng)態(tài)交互機(jī)制的信息傳播模型研究.pdf
- 影響移動(dòng)社交網(wǎng)絡(luò)用戶信息接收的傳播要素研究.pdf
- 基于復(fù)雜網(wǎng)絡(luò)特征的SNS社交網(wǎng)站傳播特征研究.pdf
- 社交網(wǎng)絡(luò)中基于用戶特征的專家推薦研究.pdf
- 基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)用戶特征分析
- 基于個(gè)體行為特征的社交網(wǎng)絡(luò)信息傳播模型的研究與實(shí)現(xiàn).pdf
- 基于SEIR的社交網(wǎng)絡(luò)信息傳播模型的研究.pdf
- 基于個(gè)體傳播動(dòng)力計(jì)算的社交網(wǎng)絡(luò)信息傳播研究.pdf
- 基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)用戶特征分析.pdf
- 基于用戶信任傳播和社交網(wǎng)絡(luò)的服務(wù)推薦.pdf
- 基于社交網(wǎng)絡(luò)的信息傳播控制機(jī)制的研究.pdf
- 44128.社交網(wǎng)絡(luò)信息傳播特征及數(shù)據(jù)研究
- 基于用戶網(wǎng)絡(luò)社交信息的推薦算法研究與實(shí)現(xiàn).pdf
- 社交網(wǎng)絡(luò)環(huán)境下的用戶信息行為研究.pdf
評(píng)論
0/150
提交評(píng)論