项目名称: 基于网络社交媒体的层次化用户兴趣建模

项目编号: No.61272340

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 李晓明

作者单位: 北京大学

项目金额: 80万元

中文摘要: 近年来,随着网络社交媒体的兴起与不断发展,社交媒体在网络用户的生活中的影响越来越大,大规模的网络用户积极参与到社交媒体中来,形成了十分活跃的虚拟社会,引起了政府、业界和学界多层次的关注。从学界来看,可分为两个主要方面,一是考察以往在社会网络分析中得到的经典结论在网络社交媒体上体现的形式和程度,二是考察在网络社交媒体上是否存在新的基础性原理。而其中用户行为模式的分析、理解、与挖掘成为一个非常关键的研究问题。本课题定位在社交媒体中的用户兴趣建模,进而来更好地理解社会媒体,以及其内 部信息传播的一些基本模式和规律。本课题提出的假说是:尽管用户兴趣纷繁复杂且动态变化,但层次式结构能对它们进行有效地表达。我们希望通过探索相关理论并建立一套具有层次性的动态用户兴趣模型来支持这个假说,并希望所建立的用户兴趣模型能改进一系列针对社交媒体的分析和挖掘工作。研究中,我们将特别考虑结合我国的社交媒体的特点。

中文关键词: 话题;用户兴趣;层次结构;数据挖掘;

英文摘要: With the rapid growth of online social networks, they have significantly changed the way that users live. A large number of Web users actively are engaged in a diverse range of activities in social networks and interact with one another to form a virtual society. Therefore, there is a emerging need to construct deeply research on analyzing, understanding and mining on online social media. Current research focus fall on two questions: 1) whether the existing principles are still fit for online social media or not, and 2) whether there would be new principles as guildlines for further expoloration in social media. One of the most key challenges is to develop a series of powerful methodologies to understand the user interests and behaviors. This proposal aims to better mine the basic principles or rules in online social networks via effectively learning users' interests. Online content is generated in a dramatically fast way and the semantics embedded in it can be very complicated, which make it difficult for simple user interest models to discover the underlying knowledge. We hypothesize that user interest models with a hierarchical structure can better capture the basic patterns in spite of the complex nature of Web social media. So we propose to build dynamic hierarchical user interest models to adapt to thes

英文关键词: topic;user interest;hierarchy;data mining;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
22+阅读 · 2021年9月21日
专知会员服务
16+阅读 · 2021年9月18日
专知会员服务
17+阅读 · 2021年6月12日
专知会员服务
32+阅读 · 2021年2月12日
专知会员服务
51+阅读 · 2020年12月19日
【干货书】计算机科学离散数学,627页pdf
专知会员服务
131+阅读 · 2020年8月31日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
【2020新书】社交媒体挖掘,212pdf,Mining Social Media
专知会员服务
60+阅读 · 2020年7月30日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
AAAI'21 | 基于图Transformer的多行为推荐算法
图与推荐
0+阅读 · 2021年11月9日
四种方法,用数据挖掘潜力用户
人人都是产品经理
0+阅读 · 2021年11月4日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
事理图谱:事件演化的规律和模式
哈工大SCIR
34+阅读 · 2019年7月19日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月15日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
Arxiv
15+阅读 · 2019年4月4日
Arxiv
12+阅读 · 2018年9月15日
小贴士
相关VIP内容
专知会员服务
22+阅读 · 2021年9月21日
专知会员服务
16+阅读 · 2021年9月18日
专知会员服务
17+阅读 · 2021年6月12日
专知会员服务
32+阅读 · 2021年2月12日
专知会员服务
51+阅读 · 2020年12月19日
【干货书】计算机科学离散数学,627页pdf
专知会员服务
131+阅读 · 2020年8月31日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
【2020新书】社交媒体挖掘,212pdf,Mining Social Media
专知会员服务
60+阅读 · 2020年7月30日
相关资讯
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
AAAI'21 | 基于图Transformer的多行为推荐算法
图与推荐
0+阅读 · 2021年11月9日
四种方法,用数据挖掘潜力用户
人人都是产品经理
0+阅读 · 2021年11月4日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
事理图谱:事件演化的规律和模式
哈工大SCIR
34+阅读 · 2019年7月19日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员