基于向量空间模型的用户兴趣模型研究_郭新明

基于PPM模型的社交媒体用户转移行为研究

此务研究锖報新#第39卷第2期 2021年2月基于P P M模型的社交媒体用户转移行为研究周涛\林晓靖、邓胜利2(1.杭州电子科技大学管理学院，浙江杭州310018; 2.武汉大学信息管理学院，湖北武汉430072)摘要：【目的/意义】社交媒体在得到广泛普及的同时，各类社交媒体之间的相互竞争也日趋激烈，因此防止用户转移，从而实现用户保持对于社交媒体平台来说至关重要。

基于PPM(推-拉-锚）模型，研究了社交媒体用户的转移行为。

【方法/过程】对收集的358份有效问卷采用结构方程模型进行分析。

【结果/结论】研究结果发现，不满意度、社会影响、感知有用性和社会认同等因素正向影响用户的转移意向，而隐私顾虑负向影响转移意向。

研究结果启示社交平台需要综合考虑推力、拉力、锚定三方面的因素来防止用户转移，从而实现用户保持，获取竞争优势。

【创新/局限】论文的主要创新是基于PPM模型研究了影响社交媒体用户转移行为的显著因素，主要局限是影响用户转移行为的因素较多，未来的研究可考察其他可能因素如感知价值、社会资本等的作用。

关键词：社交媒体；转移行为；PPM;社会影响；社会认同中图分类号：G250.2 D0l：10.13833/j.issn.l007-7634.2021.02.0141引言4G/5G等通信技术的应用推动了移动互联网的快速发展，智能手机、平板电脑等移动终端在人们的日常生活与工作中占据着越来越重要的地位，具备各类功能的移动应用程序(APP)不断涌现。

其中，以微博和微信为代表的移动即时通讯、以网易云音乐和抖音为代表的娱乐休闲平台以及以小红书为代表的内容分享平台等各类多元化的社交媒体取得了显著成功。

与此同时，各类社交媒体之间存在激烈竞争，用户数量也呈现出此消彼长的态势。

根据CNNIC的报告，部分社交媒体如微信朋友圈、空间的用户使用率存在下降的趋势，而微博的使用率则小幅上升[11。

社交媒体平台需要采取措施来扩大用户群,从而获取竞争优势。

基于动态LDA主题模型的内容主题挖掘与演化_胡吉明

t 4． 1 从多项式分布 θ t d 中抽样生成主题的概率分布 z j： P ( z j α ) 4． 2 从多项式分布 φ t 中抽样生成词汇的概率分布 w i： P ( w i z j， βt zj )
出文本内容和主题之间的概率分布关系（文本－主题和主题－词汇）。进而对前一个时间片文本集中文本的主题－词汇概率分布关系加权处理（ W ）后，作为当前时间片文本集中主题－词汇分布的先验概率，求出随时间变化的主题－词汇和文本－主题概率分布，最终得到此文本内容主题的时间演化模式，如图 1 所示：
文本内容的主题提取即选择合适的文本内容主题和特征词汇，以此对文本内容进行特征描述和建模。主题模型作为一种文本内容的概率生成模型或产生式模型，如潜在语义分析（ LSA ）（ PLSA）
［2 ］［1 ］
构建了基于语言模型的新奇新闻检测系统 BilNov －
［10 ］ 2005 ，实现了新奇新闻主题的动态实时挖掘。余传
mohd等设计了交互事件跟踪ievent系统以此发现用户交互所产生的热点内容主题构建了基于语言模型的新奇新闻检测系统bilnov2005实现了新奇新闻主题的动态实时挖掘10明等基于lda模型研究了用户评论内容主题和热点关键词的挖掘方法实验表明该模型具有较好的热点主题识别效果11刘洪涛等针对内容主题不明确和热点问题难以跟踪的问题通过计算文献作者的舆论评价得到每个评价社区的关键词概率描述实现了社区中评论主题的发现对文本语义挖掘和共享等具有重要意义12黄颖通过基于lda和主题词的相关性新事件监测模型结合报道发生的时间确定合理的主题数目以探知新事件13基于动态lda的内容主题挖掘模型网络环境下文本信息所具有的短文本结构特征加大了文本挖掘和表示的难度14因此本文在现有lda主题挖掘基础上结合微博博客社交网络等社会化网络服务中的交互式信息特点构建动态lda题模型按时间片划分文本信息将增量gibbs抽样算法引入其中通过参数估计得到时间片文本集中连续的主题词汇分布和文本主题分布

基于混合选择模型的社交网站用户个人身份信息披露行为研究

基于混合选择模型的社交网站用户个人身份信息披露行为研究作者：赵海平指导教师：邓胜利武汉大学信息管理学院武汉 430072摘要：[目的/意义]在使用网络服务的过程中，用户通常主动或被动地披露个人身份信息，但用户也会因此面临隐私泄露风险，本研究有助于理解网络用户披露个人身份信息的影响因素及其偏好，为社交网络服务提供者制定个人信息保护政策提供参考依据。

[方法/过程]本研究以社交网站为例，基于混合选择模型设计实验，从个体特征、个体倾向和平台特征三个方面综合地研究个人身份信息披露行为的影响因素。

[结果/结论]结果显示，对个人身份信息披露意愿的影响力大小：平台特征>个体倾向>个体特征，平台信息泄露历史和用户感知风险是对个人身份信息披露意愿最具影响力的因素。

另外，通过比较传统离散选择模型和混合选择模型的参数估计结果，发现带潜变量的混合选择模型比不带潜变量的传统离散选择模型具有更高的解释程度和预测率。

本研究为社交网络用户的个人信息披露行为提供了新的见解，为信息行为研究提供了一种新的模型和方法。

关键词：混合选择模型个人身份信息信息披露行为社交网站分类号：G203Research on SNS Users’ Disclosure Behavior of Personal IdentifiableInformation Based on Hybrid Choice ModelZhao Haiping, Deng Shengli, Wuhan, 430072School of Information Management, Wuhan UniversityAbstract: [Purpose/ significance] When using online services, users usually disclose personally identifiable information actively or passively, but users may also face the risk of privacy leakage, which may cause serious mental distress and monetary damage. This paper are helpful to understand the influencing factors of disclosing personal identifiable information, and provide a reference for social network service providers to develop personal information protection policies. [Method/ process] Based on the hybrid choice model, this study takes a social networking site as an example and comprehensively studies the influencing factors of personal identity information disclosure behavior from three aspects of individual characteristics, individual inclination and platform characteristics by designing experiment. [Result/ conclusion] The results show that the influence of the intention of disclosing personal identifiable information: platform characteristics > individual tendency > individual characteristics, and information leakage history of platform and user perceived risk are the most influential factors for personal identifiable information disclosure intention. In addition, by comparing the parameter estimation results of the traditional discrete choice model and the hybrid choice model, it is found that the latter has better model fitness and prediction accuracy. This paper provides new insights into personal information disclosure behavior of social network users and provides a new model and method for information behavior research. Keywords: Hybrid choice model; Personal identifiable information; Information disclosure behavior; Social network1引言随着互联网的快速普及和渗透，人们对网络服务的接受程度和参与程度日益加深，个人信息的收集已成为各大网站的主要信息源。

混合模型的用户兴趣漂移算法

ｓｏｔｔｒｏｏｅｔｗａｅｅｄｂｉｇｔｅｌａｔｒｃｎｌｅａｇｒｔｍ．Ｔｈｏｇｔｒｏｏｅｔｗａｅｈｒ—ｅｍｃｍｐｎｎｓｒｎｗｅｙｕｓｎｈｅｓｅｅｔｙｕｓｄｌｏｉｈｅｌｎ —ｅｍｃｍｐｎｎｓｒ —
中图分类号：Ｐ９．文献标识码：Ｔ３１３Ａ文章编号：６３４８（０００－１１０１７－７５２１）２８－４０
Ａｙｒｄａｇｒｔｍｏｔａｋｄｉｔｏｓｒｎｅｅｔｈｂｉｌｏｉｈｔｒｃｒｆｆｕｅｉｔｒｓｓｓ
了个性化信息服务的关键技术．户在进行信息检用索的时候，个人兴趣可能会随时发生变化，因此用户的兴趣模型也应随着用户兴趣的变化而调整，其使
能够准确地描述用户的当前兴趣特征．
使用的滑动窗Ｖ算法进行更新，期模型采用正态渐进遗忘算法进行更新．验表明，方法能够较迅速地发现和Ｉ长实该准确地跟踪用户的兴趣变化，高了个性化信息服务的效率．提关键词：性化；合模型；趣漂移；个混兴遗忘函数
个性化信息服务的质量主要依赖于用户兴趣模型的准确程度，因此构造恰当的用户兴趣模型就成
忘函数对用户兴趣的权重进行衰减处理，而得到从用户的真正兴趣．本文将进一步研究用户兴趣的漂移问题，括包

基于多层次空间注意力的图文评论情感分析方法

2021⁃10⁃10计算机应用,Journal of Computer Applications2021,41(10):2835-2841ISSN 1001⁃9081CODEN JYIIDU http ：//基于多层次空间注意力的图文评论情感分析方法郭可心，张宇翔*（中国民航大学计算机科学与技术学院，天津300300）（∗通信作者电子邮箱yxzhcn@ ）摘要：随着社交网络的不断普及，相对于传统的文字描述，人们更倾向于发布图文结合的评论来表达自己的情感与意见。

针对图文情感分析方法中仅考虑图文间的高级语义联系，而较少注意图片的低层次情感特征以及中层美学特征与文本情感之间关联性的问题，提出了一种基于多层次空间注意力（MLSA ）的图文评论情感分析方法。

所提方法以文本内容为驱动，使用MLSA 设计图像与文本之间的特征融合方法，该特征融合方法不仅关注与文本相关的图像实体特征，而且充分利用图像的中层美学特征和低层视觉特征，从而从多个不同角度挖掘图文之间的情感共现。

在两个公开的图文情感数据集MVSA_Single 和MVSA_Multi 上，该方法的分类效果相对于对比方法中最优的方法的分类效果在准确率上分别提高了0.96和1.06个百分点，在F1值上分别提高了0.96和0.62个百分点。

实验结果表明，综合分析文本特征和图像特征之间的层次化联系能有效地增强神经网络捕捉图文情感语义的能力，从而更准确地预测图文整体的情感。

关键词：空间注意力；多特征融合；情感分析；多模态；社交媒体；神经网络中图分类号：TP391文献标志码：AVisual -textual sentiment analysis method based on multi -level spatial attentionGUO Kexin ，ZHANG Yuxiang *（College of Computer Science and Technology ，Civil Aviation University of China ，Tianjin 300300，China ）Abstract:With the continuous popularization and promotion of social networks ，compared with traditional text description ，people are inclined to post reviews with both images and texts to express their feelings and opinions.The existing visual -textual sentiment analysis methods only consider the high -level semantic relation between images and texts ，but pay less attention to the correlation between the low -level visual features and middle -level aesthetic features of images and the sentiment of texts.Thus ，a visual -textual sentiment analysis method based on Multi -Level Spatial Attention （MLSA ）was proposed.In the proposed method ，driven by text content ，MLSA was used to design the feature fusion method between images and texts.This feature fusion method not only focused on the image entity features related to texts ，but also made full use of the middle -level aesthetic features and low -level visual features of images ，so as to to mine the sentiment co -occurrence between images and texts from various pared to the classification effect of the best method among the comparison methods ，the classification effect of the model was improved by 0.96and 1.06percentage points on accuracy ，and improved by 0.96and 0.62percentage points on F1score on two public multimodal sentiment datasets （MVSA_Single and MVSA_Multi ）respectively.Experimental results show that the comprehensive analysis of the hierarchical relationship between text features and image features can effectively enhance the neural network ’s ability to capture the emotional semantics of texts and images ，so as to predict the overall sentiment of texts and images more accurately.Key words:spatial attention;multi -feature fusion;sentiment analysis;multimodal;social media;neural network引言情感分析（Sentiment Analysis ）作为社交媒体分析的前沿领域，被广泛应用于针对用户的产品营销、政治预测、股票预测和心理健康分析。

基于类别空间模型的文本倾向性分类方法

般有文本主题性分类和倾向性分类两种。主题性分类
１类别空间模型简介
ｔｎｅｃａｅｏｚｔｎｍｅｏａｅｎｄａｓｓａｅｍｏｅａｒｐｓｄｅｄｎｙｃｔｇｒａｏｔｄｂｄｏｓｐｃｄｌｓｐｏｏｅ．Ｂｆｓｏｏｉｅｅｔｒｅｅｔｎｍｅｏ，ｔｅｉｉｈｓＷｙｍｅｎｃｍｂｎｄｆａｕｅｓｌｉｔｄｌｆｃｏｈｈ
ｎｌｓｓａｅｎｔｔｄｅｆｅｉｔｌｓｉｃｔｎｍｅｄｈｏｌｘｔｏｅｔｎｅｃａｅｏｚｔｎａａｙｉ．Ｂｓｄｏｅｓｕｉｓｏｘｓｉｇｃａｓｆａｏｔｏｓａｄｔｅｃｍｐｅｉｆｔｘｅｄｎｙｃｔｇｒａｏ，ａｔｘｈｎｉｉｈｎｙｔｉｉｅｔ
ｎｗｍｅｈｅｚｅｅｄｎｙｃａｓｃｔｎｂｅｎｔｅｗｒｓｏｅｔｐｓｏｎｅｃ．Ｅｘｒｎｒｓｌｈｗｔａｅｔｏｒ￣ｏｔｘｔｎｅｃｌｓｉａｏａｄｏｏｄｆｔｙｅｔｄｎｙｄｄｔｉｆｉｓｈｈｆｅｏｍｅ￣ｅｕｔｓｏｔｐｉｓｈｈｔｄｉｆｃｖｎｉｒｖｎｃｕａｙａｐｅｆｔｘｅｄｎｃｔｇｒａｏ．ｔｅｍｅｏｓｅｅｔｅｉｍｐｏｉｇｔｅａｃｒｃｄｓｅｄｏｅｔｔｎｅｃａｅｏｚｔｎｈｉｈｎｙｉｉ
基于类别空间模型的文本倾向性分类方法
李艳玲，冠中朱烨行戴，

基于知识图谱的个性化推荐系统构建

2022年 3月 March 2022Digital Technology &Application 第40卷第3期Vol.40 No.3数字技术与应用中图分类号:TP311 文献标识码:A 文章编号:1007-9416(2022)03-0152-03DOI:10.19695/12-1369.2022.03.48基于知识图谱的个性化推荐系统构建徐海文1 谭台哲1,21.广东工业大学计算机学院；2.河源市湾区数字经济技术创新中心在以往的推荐系统模型中，大多是通过协同过滤算法实现的，所以会存在冷启动和数据稀疏性等问题，从而导致推荐质量不高。

一般的解决办法就是通过加入一些附加的语义信息来提升推荐的精度。

而知识图谱中就包含了大量的语义内容，可以在推荐系统中引入知识图谱作为附加信息。

因此，本文提出了基于知识图谱的个性化推荐系统构建。

在推荐模型中加入知识图谱，可以很好的增强推荐的准确性。

随着不同平台的数据量以前所未有的速度增长，人们充分享受到了获得信息的便利。

但是，与此同时人们也面临着一些问题，比如在如此冗杂的数据中寻找信息时，如何快速、准确、高效地定位目标，如何屏蔽垃圾信息，为用户呈现出有用的结果等。

虽然搜索引擎能够解决掉一些问题，但是对于一些用户，他们在浏览网页的时候，没有明确目标，只是随便看看。

如果网站不能提供给用户更有兴趣的内容，那么就很难留住用户。

因此，通过互联网技术，为用户实时的推荐一些合适感兴趣的内容，成为了当下研究的热点。

大数据时代，推荐系统在很多领域都有应用，并且取得了不错的成绩，尤其是在电商领域。

但也面临着许多的挑战，传统的推荐算法，利用了用户与用户之间，物品与物品之间内在少量的信息，从而导致了推荐精度下降，并且难以逾越这些瓶颈。

推荐系统还存在冷启动和数据稀疏性等问题，一般的方法是通过引入一些语义内容作为附加信息，就可以很好的提升推荐的质量[1]。

知识图谱就是一种语义关系图，可以作为推荐系统的辅助内容。

2011年国家自然基金获得者名录——国防科学技术大学

F020808 F020809 F020705 F020601 F010202 F010907 F020208 F010304 A040403 E020401 A040204 E050402 E050401 F030301 F010408 F020302 F020701 F040407 A011701 F020503 F050804 E051002 F020502 F010304 F020301 A040204 E051202 F010602 F050304 F010408
ห้องสมุดไป่ตู้
金额 64 70 24 56 20 25 25 23 20 20 22 22 28 17 58 25 20 23 56 24 22 26 56 28 23 25 23 24 48
61170287 11172326 61170048 61170286 61120106005 11102229 71102004 51105369 11172322 61171019 61171016 61170049 11172329 51175500 61171017 51105365 61175015 61170083 71101150 31171266 61174002 61174206 11172327 11104350 11172324 11173068 11174369 61170045 51173202 61108089
F020805 A020403 F020203 F020805 F0203 A020207 G0214 E050601 A020205 F010502 F010602 F020305 A020602 E050201 F010505 E050202 F030403 F0203 G0104 C060702 F030301 F030301 A020413 A040302 A020401 A030802 A040406 F0203 E030301 F0513

考虑长期与短期兴趣因素的用户偏好建模

Ａｂｓｔｒａｃｔ：ＩｎｖｉｅｗｏｆｔｈｅｎｅｅｄｓｏｆＥ－ｃｏｍｍｅｒｃｅｗｅｂｓｉｔｅｆｏｒ
ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｎ．ｕｒｓｅｒｉｎｔｅｒｅｓｔｓａｒｅｄｉｖｉｄｅｄｉｎｔｏｈｅｔｌｏｎｇ — ｔｅｒｍｉｎｔｅｒｅｓｔａｎｄｔｈｅｓｈｏｒｔ－ｔｅｒｍｉｎｔｅｒｅｓｔ，ｆｕｒｔｈｅｒｍｏｒｅ，ｂａｓｅｄｏｎｈｅｔｌｏｎｇ．ｔｅｒｍｉｎｔｅｒｅｓｔａｎｄｈｅｔｓｈｏｒｔ－ｔｅｒｍｉｎｔｅｒｅｓｔ，ａ
２０００９２，Ｃｈｉｎａ）
提取和用户偏好的建模两方面展开．１．１用户兴趣的提取在电子商务的信息检索与过滤中，建立用户偏好文档使跟踪用户的行为和兴趣成为可能，有助于商家为用户提供个性化信息及产品服务＿１］．在心理学中，兴趣被认为是人们探究某种事物或者从事某种活动的心理倾向．人对感兴趣的东西会表现出很大的积极性，并且产生某种肯定的情绪体验．可以认为，用户兴趣的大小和用户对这个兴趣相关的信息的需求量是相关的．特别是在电子商务中，用户兴趣