基于主题模型的用户潜在社交关系发现方案设计——以足球App数据为例

摘要

近年来互联网发展迅速，信息传播进入新媒体时代，各个类型的社交平台、直播平台、电商平台、新闻网站等新媒体平台如雨后春笋般发展起来，这些平台的注册用户数也增长迅速。虽然这些平台的用户流量大，但由于用户在平台上的社交属性较低，平台选择较多，导致用户与平台的粘性不高，忠诚度低，容易流失。 为了发现用户在新媒体平台上的潜在社交关系，增加用户的好友数，提高用户社交行为强度，从而进一步形成用户社区提高用户忠诚度。本文对于实现新媒体用户潜在社交关系的发现方法进行了系统性研究。由于新媒体平台追求用户的流量，所以在用户注册时往往简化步骤使得用户注册方便快捷，这就导致了平台对用户的个人资料掌握不足，社交属性缺失。一些根据用户资料相似度和基于用户已有社交关系发现潜在社交关系的方法就很难使用。但另一方面，由于智能设备的发展和大数据应用越来越广泛，新媒体平台和用户之间往往有很好的交互性，用户在平台上浏览的信息之后会进行点赞、评论、转发和发帖等等操作，这些数据也会被记录下来，而这些数据正是反映了用户的兴趣偏好。因此，本文通过建立兴趣偏好推荐的理论框架，并运用LSA（Latent Semantic Analysis）和LSTM（Long Short-Term Memory）进行实现，建立了一整套针对新媒体用户的潜在社交关系发现方案。最后本文以某足球新闻App为例，具体分析了本方案在现实商业场景下的应用。

目录

第一章 绪论

1.1 研究背景

1.2 研究目的和意义

1.3 研究内容、方法和技术路线

1.4 本文的主要贡献

第二章 文献综述和相关理论

2.1 文献综述

2.2 相关理论

2.3 本章小结

第三章 新媒体平台潜在社交关系发现的理论框架

3.1 新媒体平台用户的特征

3.2 潜在社交关系发现的理论框架

3.3 本章小结

第四章 LDA模型的理论基础

4.1 LDA模型具体描述

4.2 LDA的数学基础

4.3 LDA的参数含义

4.4 本章小结

第五章 算法对足球新闻主题分类的实现

5.1 数据预处理

5.2 模型拟合

5.3 参数优化

5.4 主题的概括词

5.5 主题的描述性统计

5.6 主题的分类

5.7 文档主题的标记

5.8 本章小结

第六章 用户评论的情感分类及潜在社交关系预测

6.1 LSTM网络原理

6.2 评论数据准备

6.3 神经网络分类用户情感

6.4 潜在社交关系的预测

6.5 社交关系算例的效果评价

6.6 本章小结

第七章 结论

7.1 结论

7.2 不足与展望

致谢

参考文献

附录