面向微博的消費(fèi)意圖挖掘與分類(lèi).pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展,微博(microblogging)逐漸興起。近幾年來(lái),微博逐漸滲入到人們生活的方方面面,人們不僅在微博中接受到各種各樣的信息,還會(huì)主動(dòng)的發(fā)布各種各樣的信息,甚至表達(dá)出購(gòu)買(mǎi)某種產(chǎn)品的愿望,即對(duì)某種產(chǎn)品存在著消費(fèi)意圖。所以,微博在作為一種社會(huì)媒體與社交網(wǎng)絡(luò)的同時(shí),其中蘊(yùn)含著巨大的商業(yè)價(jià)值。
　　本文就微博中具有消費(fèi)意圖的微博進(jìn)行了一系列的研究,并且主要進(jìn)行了以下幾個(gè)方面的研究:基于Bootstrapping的外部

2、消費(fèi)意圖資源挖掘;基于圖模型的消費(fèi)意圖微博挖掘;基于SVM分類(lèi)器的微博消費(fèi)意圖分類(lèi)。下面簡(jiǎn)要介紹一下各個(gè)研究點(diǎn)研究?jī)?nèi)容。
　　(1)基于Bootstrapping的外部消費(fèi)意圖資源挖掘。一淘求購(gòu)網(wǎng)站中有很多的信息條目是具有消費(fèi)意圖的,相對(duì)于微博來(lái)說(shuō),可以稱這些信息條目為外部消費(fèi)意圖資源。同時(shí),如何獲取大規(guī)模的數(shù)據(jù)一直是自然語(yǔ)言處理的相關(guān)研究中比較重要的問(wèn)題。然而,微博的消費(fèi)意圖研究作為一個(gè)新的研究方向,首當(dāng)其沖遇到的一個(gè)問(wèn)題就是缺

3、乏大量的已標(biāo)注的數(shù)據(jù)和標(biāo)準(zhǔn)的評(píng)測(cè)集合,基于此種情況,本文給出了一種基于Bootstrapping的自動(dòng)標(biāo)注外部消費(fèi)意圖資源的方法。這種方法的優(yōu)勢(shì)是可以利用少量的人工標(biāo)注的數(shù)據(jù),半自動(dòng)標(biāo)注大量的未進(jìn)行類(lèi)別標(biāo)注的數(shù)據(jù)。
　　(2)基于圖模型的消費(fèi)意圖微博挖掘。直接從海量的微博文本中挖掘具有消費(fèi)意圖的微博數(shù)據(jù)難度很大,因?yàn)榫哂邢M(fèi)意圖的微博的只占微博總數(shù)的3％左右。所以,我們?nèi)斯ぬ崛×艘恍┫M(fèi)意圖的特征短語(yǔ),然后通過(guò)這些特征短語(yǔ)對(duì)微博進(jìn)

4、行了過(guò)濾。過(guò)濾后的微博含有消費(fèi)意圖的比例大大提高,然后使用了一種基于圖模型的方法挖掘大量的具有消費(fèi)意圖的微博。本文提出了一種新穎的 CIRank圖模型算法,此方法借鑒了傳統(tǒng)的 TextRank算法和RelevanceRank算法的思想。此外,本文采用了三種方法用來(lái)計(jì)算圖中節(jié)點(diǎn)的相似度,分別是:Jaccard系數(shù),余弦相似度和消費(fèi)意圖相似度。
　　(3)基于SVM分類(lèi)器的微博消費(fèi)意圖分類(lèi)。本文提出了一種基于SVM分類(lèi)器的方法,分別利