舆情场景下基于层次知识的话题推荐方法 - 史存会, 胡耀康, 冯彬, 张瑾, 俞晓明, 刘悦, 程学旗.pdf
免费下载
计 算 机 研 究 与 发 展
DOI
:
１０．７５４４∕issn１０００Ｇ１２３９．２０２１．２０１９０７４９
JournalofCom
p
uterResearchandDevelo
p
ment ５８
(
８
):
１８１１ １８１９
,
２０２１
收稿日期
:
２０１９
－
１０
－
２３
;
修回日期
:
２０２０
－
０９
－
０７
基金项目
:
国家杰出青年科学基金项目
(
６１４２５０１６
);
国家自然科学基金重大项目
(
９１７４６３０１
);
泰山学者工程专项经费
(
ts２０１５１１０８２
)
Thisworkwassu
pp
ortedb
y
theNationalNaturalScienceFoundationofChinaforDistin
g
uishedYoun
g
Scholars
(
６１４２５０１６
),
the
Ma
j
orPro
g
ramofNationalNaturalScienceFoundationofChina
(
９１７４６３０１
),
andtheTaishanScholarsPro
g
ram ofShandon
g
ProvinceofChina
(
ts２０１５１１０８２
)
．
舆情场景下基于层次知识的话题推荐方法
史 存 会
１
,
３
胡 耀 康
２
,
３
冯
彬
１
,
３
张
瑾
２
俞 晓 明
１
刘
悦
１
程 学 旗
４
１
(
中国科学院计算技术研究所数据智能系统研究中心
北京
１００１９０
)
２
(
中国科学院网络数据科学与技术重点实验室
(
中国科学院计算技术研究所
)
北京
１００１９０
)
３
(
中国科学院大学
北京
１０００４９
)
４
(
烟台中科网络技术研究所
山东烟台
２６４００５
)
(
shicunhui＠ict．ac．cn
)
A HierarchicalKnowled
g
eBasedTo
p
icRecommendation MethodinPublic
O
p
inionScenario
ShiCunhui
１
,
３
,
HuYaokan
g
２
,
３
,
Fen
g
Bin
１
,
３
,
Zhan
g
Jin
２
,
YuXiaomin
g
１
,
LiuYue
１
,
andChen
g
Xue
q
i
４
１
(
DataIntelli
g
enceS
y
stem ResearchCenter
,
Instituteo
f
Com
p
utin
g
Technolo
gy
,
ChineseAcadem
y
o
f
Sciences
,
Bei
j
in
g
１００１９０
)
２
(
CAS Ke
y
Laborator
y
o
f
NetworkDataScienceand Technolo
gy
(
Instituteo
f
Com
p
utin
g
Technolo
gy
,
ChineseAcadem
y
o
f
Sciences
),
Bei
j
in
g
１００１９０
)
３
(
Universit
y
o
f
ChineseAcadem
y
o
f
Sciences
,
Bei
j
in
g
１０００４９
)
４
(
Instituteo
f
NetworkTechnolo
gy
∕
ICT
(
YANTAI
),
ChineseAcadem
y
o
f
Sciences
,
Yantai
,
Shandon
g
２６４００５
)
Abstract Withthera
p
iddevelo
p
mentofinformationtechnolo
gy
,
Internethasbecomethe main
carrierof
p
ublico
p
inions
p
readin
g
．Allkindsof
p
ublico
p
inioneventscomeoutoneaftertheother
,
whichcanbe
q
uickl
y
s
p
readondifferentmediainashorttimeandreceiveextensiveattentionand
p
artici
p
ationfromlar
g
eＧscaleInternetusers．Itma
y
alsotri
gg
erastron
g
reactionintheInternets
p
ace
andtherealsociet
y
,
andeveninducelar
g
eＧscale massincidents．Therefore
,
q
uick monitorin
g
and
effectiveearl
y
warnin
g
ofonline
p
ublico
p
inioneventsbecomemoreandmoreim
p
ortant．Inres
p
onse
tothe
g
rowin
g
scaleofInternetinformationandtheex
p
andin
g
sco
p
eofitsdissemination
,
howto
discoveronline
p
ublico
p
inioneventsand
p
ushthe
p
recise
p
ersonalized monitorin
g
informationhas
becomethefocusofcurrent
p
ublico
p
iniona
pp
lications．Aimin
g
atthe
p
roblemthattheinterestis
hardtoca
p
tureincaseofthes
p
arsit
y
ofuserinteraction
,
ato
p
icrecommendation modelbasedon
HKN
(
hierarchicalknowled
g
enetwork
)
is
p
ro
p
osed．Themodelex
p
andsthesemanticsandincreases
p
otentialinformation association betweento
p
ics b
y
usin
g
hierarchicalknowled
g
e．It modelsthe
hierarchical knowled
g
e
,
to
p
ics
,
and users to obtain corres
p
ondin
g
embeddin
g
s． With those
embeddin
g
s
,
weuseamultiＧla
y
er
p
erce
p
tronmatchin
g
modelto
p
redicttheCTR
(
clickthrou
g
hrate
)
．
Ex
p
erimentalresultsshowthatthe HKN modelout
p
erformsmulti
p
lebaselineal
g
orithmsb
y
６．７％
and４．９％ ontheavera
g
eof
F
１
(
thebalanced
F
score
)
andAUC
(
theareaundercurve
)
metricsCTR
valueres
p
ectivel
y
．
Ke
y
words to
p
icrecommendation
;
hierarchicalknowled
g
e
;
p
ublico
p
inionscenario
;
recommendation
s
y
stem
;
knowled
g
eembeddin
g
摘
要
随着信息技术的飞速发展
,
互联网成为了舆情传播的主要载体
．
各种舆情事件不断涌现
,
并在网
民的参与下广泛传播
,
由此可能引发强烈的社会 反响
．
因此
,
如何实 现网络 舆情事 件快速 发现与 个性化
监测需求的精准推送
,
成为了当前舆情的重点关注内容
．
对于舆情场景下用户交互信息稀疏导致的兴趣
难以刻画的问题
,
提出了一种基于层次知识的话题推荐模型
．
模型通过引入层次知识来扩充语义增加话
题之间的潜在信息关联
,
分别对层次知识
、
话题和用户建模得到对应的 嵌入向 量表示
,
再结合 多层感 知
机匹配模型预测用户点击率
．
实验结果表明
,
该模型在与多个基线算法的对比中
,
在
F
１
(
thebalanced
F
score
)
和
AUC
(
theareaundercurve
)
指标的平均值上分别提升了
６．７％
和
４．９％．
关键词
话题推荐
;
层次知识
;
舆情场景
;
推荐系统
;
知识嵌入
中图法 分类号
TP３９１
① htt
p
:
∕∕
y
u
q
in
g
．
p
eo
p
le．com．cn∕GB∕n１∕２０１８∕０１０３∕c２０９０４３Ｇ２９７４３１７２．html
随着信息技术的发展
,
互联网正深刻地改变着大
众的方方面面
,
逐渐成为生活不可或缺的组成部分
．
人民网发布的
２０１７
网络舆情报告
①
指出
,
依托
于移动互联的信息分享和意见交流的工具
,
如
“
两微
一端
”(
微博
、
微信
、
新闻客户端
),
已经越来越多地成
为社会舆论发 源 地 和 发 酵 平 台
．
庞 大 的 网 民 基 数 带
来的巨大影响力已使得传统媒体对舆论场的影响力
减弱
,
网络用户发表 的各 种 言论 与 意见 已 经可 以 形
成强大的舆论压力
,
网络 舆 情正 在 成为 社 会舆 情 的
主要部分
．
互联网中 时刻都 在产生 新的信 息
,
舆情也 随之
发展演变
,
但是网络 中 的信 息 本身 完 整性 无 法得 到
保证
,
信息碎片化会影响用户的判断
．
舆情用户想要
抓住其脉络需要重 新 组织 信 息方 法
,
话题 即 为其 中
一种可行的方式
,
将信息以话题的粒度进行聚合
,
能
充分提高用户获取信息的效率
．
另外
,
由于各种舆情事件层出不穷
,
很短时间就
能在不同媒介得到 迅 速传 播
,
被大 规 模网 民 广泛 关
注与参与
,
并有可能 引 发互 联 网空 间 或现 实 社会 的
强烈反响
,
乃至 诱 发 大 规 模 群 体 性 事 件
．
于 是
,
以 话
题推荐为代表的网络舆情精准化信息推送手段在舆
情场景应用中得到广泛的关注
．
１
相关工作
话题推荐同时涉及话题和推荐方法相关工作与
研究
,
２
个领 域 经过 多 年的 发 展都 形 成了 相 对成 熟
技术方案体系
．
近年来
,
深度学习相关技术的蓬勃发
展
,
也带动了两者 相 关的 研 究
,
出现 了 很多 探 索
、
尝
试以及新的解决思路
．
１．１
话题相关工作
话题检测任务
(
to
p
icdetectiontask
,
TDT
)
[
１Ｇ２
]
是在缺乏话题先验 知 识的 情 况下 进 行检 测
,
将同 一
个话题的对象归为一类
,
形式上与聚类目标相近
,
故
而目前大部分相关研究集中在使用聚类方法来进行
话题检测
．
主要有基于划分的聚类
、
基于模型的聚类
、
基于密度的聚类等
,
较为常见的有
K
ＧMeans
,
BIRCH
(
balancediterativereducin
g
andclusterin
g
usin
g
hierarchies
),
Sin
g
lePass
等聚类算 法
．
除此 之 外还 有
一类基于概率生成模型的话题检测方法
,
包括
p
LSA
(
p
robabilisticlatentsemanticanal
y
sis
)
[
３
]
和
LDA
(
latentDirichletallocation
)
[
４
]
,
及其改进算法等
．
１．２
推荐相关工作
推荐主要是用来给特定用户提供其最可能感兴
趣的选项的技术
,
其可 以 增加 用 户满 意 度和 忠 诚度
及更好地理解用户需求
,
有效解决信息过载的问题
,
让用户及时
、
有效地发现其感兴趣的内容
,
使用户更
高效地获取信 息
．
推 荐 系 统 粗 略 来 看 可 以 简 单 分 为
早期的传统推荐模型与近些年研究较多的基于深度
学习的推荐模 型
．
传 统 推 荐 模 型 主 要 为 较 早 期 出 现
的推荐模型
,
典型 的 有协 同 过滤 推 荐
[
５Ｇ６
]
、
基 于 内 容
的推荐以及混合推荐模型
[
７
]
等
．
协同过滤主要是 使 用用 户 评分 或 用户 行 为
(
如
购买
、
浏览
、
点击等
)
来给用户进行推荐
,
无需与用户
或物品相关的 信 息
．
主 要 特 点 是 利 用 用 户 行 为 计 算
相似度
,
然后利用相似的近邻预测得分来推荐
．
与之
相对的还有一种基 于 矩阵 分 解的 协 同过 滤 模型
,
这
类模型重点在于挖掘用户对物品评分矩阵中的潜在
２１８１
计算机研究与发展
２０２１
,
５８
(
８
)
of 9
免费下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论