学术前沿讲座--基于情感相似的社会化推荐系统研究

基于情感相似的社会化推荐系统研究

舒嘉，刘新旺，侯合银，王文平

 

时间： 2013年10月18日（周五）上午8点30分

（1）基于可变精度的微博网络数据收集和基本网络分析

本文利用可变精度方法确定数据收集范围，验证了基于可变精度方法能够获得数据集合最佳边界。然后，我们将可变精度方法运用到确定微博种子用户数上。从而确定最优种子数，为最终推荐系统确定最佳数据量。在此基础上收集了某一主题的微博网络，并对其做了基本网络分析和无标度特性分析。

（2）基于指数随机图模型的微博网络节点连接预测研究

本文提出利用指数随机图模型来对糖尿病微博网络进行建模，并通过蒙特卡罗极大似然估计（Monte Carlo MLE）计算不同结构的参数。并通过仿真和拟合度分析，比较构建的指数随机图模型对原有网络之间的代表能力。从而发现，不同时期的模型中不同结构的演化过程。在此基础上，我们通过计算某一对节点连接前后的概率变化预测这一节点对建立连接的概率。

（3）利用情感分析方法研究社会化网络文本特征

我们对糖尿病主题下的微博选择126个文本和微博特征，并融合信息增益和支持向量机的方法特征提取。随后，基于Karhunen-Loéve变换方法计算积极和消极文本平均距离，提出了情感相似度的概念来衡量用户间对同一话题的态度相关性。

（4）构建基于修正情感相似的社会化推荐系统。

分析影响社会化推荐的心理和行为因素，分析出信任度、同质性和意见领袖导致用户是否采用推荐的决策行为的三个因素。本文将三种社会化影响因素量化，并与微博社会网络一一映射。将指数随机图模型给出的节点连接预测与修正情感相似结合，能够提供符合用户情感偏好的推荐列表，从而进一步构建了社会化推荐系统框架。