基于社交媒体用户模型的多粒度虚拟社区建模研究

Personalized information service is one of the main developmental directions of Artificial Intelligence and HCI (Human Computer Interaction), and it is also the mainstream of social media information services in the future. How to make the computer understand social users’ intents is the premise and basis of implementing personalized services. That is necessary to format user’s related information in machine readable form, so-called user modeling. The accuracy of user model of social media directly determines the quality of personalized services. At present, the existing researches focus on building and evolving user model for individual users. This kind of isolated user model can only represent the characteristics of a single user, and there were no relations among user models. Thus, this kind of user model cannot reflect the underlying social relations..The theory of social media user model is researched in this project, and the Virtual Communities are built at different grains, so that more accurate and practical personalized services are provided. The contents include: (1) presenting a representation of Social User Model by analyzing relationships of preference among users and, (2) discovering Virtual Social Relationships among Social User Models by calculating the similarity of preference of models, (3) discussing the representation and constructing methods of hierarchical Virtual Communities by exploring the clustering algorithms of user model in different granularities , (4) discovering the evolution laws in different granularities by investigating the variation trend of preference in Virtual Communities.

个性化服务是人工智能和人机交互的主要发展方向之一，也是社交媒体信息服务的主流模式。让机器准确理解社交媒体用户需求是实现有效个性化服务的前提。这就需要把用户的相关信息表示为机器可理解的形式，即用户建模。社交媒体用户模型描述的准确与否，决定着个性化服务质量的高低。已有的工作主要集中在单个用户模型的构造及演化研究。这种孤立用户模型仅能表现单个用户特征，模型间没有提供如何建立联系的机制，无法反映用户间潜在的社会关系。.本项目拟研究社交媒体用户模型的相关理论，构建多粒度的虚拟社区，从而使个性化服务更加精准和实用。内容包括：(1)分析用户之间的社会化行为特征，提出社会化用户模型表示方法；(2)计算模型间的兴趣相似度，发现社会化用户模型的虚拟社会关系；(3)研究不同粒度下的用户模型聚类算法，探讨多粒度虚拟社区的表示及构建方法；(4)探索虚拟社区中用户模型的兴趣变化趋势，揭示不同粒度下虚拟社区的演化规律。

推荐技术是信息爆炸时代解决信息过载问题的重要方法。推荐系统已渗透至互联网信息服务、社交媒体信息服务的各个领域，社交媒体用户模型是让机器准确理解用户的需求和意图，进而为用户实现个性化推荐服务的主要技术。. 本项目研究了社交媒体用户之间的行为相似关系，构建了社交媒体用户的层次化兴趣主题模型，进而研究了不同粒度下的兴趣关系虚拟社区的检测方法；由于用户对兴趣主题具有情感倾向，研究了基于用户兴趣与用户情感融合的社区发现方法，基于兴趣社区实现了用户的个性化推荐和群组的智能化推荐。. 项目取得主要研究成果如下：（1）构建了社交媒体的本体用户画像模型，基于用户模型的相似关系，研究了群组用户模型构建方法，实现了用户的多样化兴趣的推荐；（2）针对社交媒体用户的主题情感倾向性，研究了基于情感兴趣社区检测的主题推荐方法；（3）分析了社交媒体用户模型兴趣结构的相似关系，提出基于多粒度的用户兴趣相似关系计算方法，实现了层次化兴趣社区的检测和社区兴趣主题的推荐；（4）根据用户在不同主题上的情感倾向，对情感目标研究了事实型文本的隐式情感整体表示方法；（5）融合了要素级的情感目标、句子级的嵌入句法信息以及文档的隐式情感背景上下文，基于多层次卷积融合方法建立了用户的隐式情感表示；（6）针对用户文档进行隐式情感建模，基于情感多极性注意力的差异识别了用户文档隐式情感句的重要特征。. 项目的实施有效解决了已有推荐系统中用户兴趣多样性缺失的问题以及用户兴趣细粒度推荐的问题；同时在推荐算法中考虑了用户的兴趣主题情感，有效提升了个性化推荐服务的精准性。项目成果将应用于山西省互联网+旅游，在旅游大数据的用户兴趣建模及个性化旅游攻略方面进行成果转化。