网民舆情偏好挖掘及应用研究——以EGE推荐模型为例

• 全文链接
• 请求原文

作   者：

田世海;  董月文;  王健; 

作者机构：

哈尔滨理工大学管理学院;  哈尔滨理工大学机械动力工程学院; 

关键词：

网络表示学习(NRL);  EGE推荐模型;  舆情偏好;  舆情事件推荐; 

期刊名称：

情报杂志

基金项目：

毁损\干预触液核对神经病理性疼痛\噪声应激\吗啡依赖与戒断行为学的影响

i s s n：

1002-1965

年卷期：

2020 年 02 期

页   码：

108-115

摘   要：

[目的/意义]挖掘网民舆情偏好,推荐网民感兴趣的舆情事件,解决"信息过载"背景下网民信息筛选难题、提高信息获取效率;提升平台用户体验,增加用户黏度。[方法/过程]基于NRL理论和思想构建EGE推荐模型,挖掘网民舆情偏好、推荐舆情事件。首先收集、预处理数据生成舆情事件共现网络;然后运用NRL相关算法得到舆情事件的低维向量表示,用高斯分布函数和已访问事件低维向量表示反映网民偏好,融入softmax与负采样以降低复杂度;最后对网民未关注的事件打分,运用KNN算法得到高评分事件集合TOP-M。加入当期其它类别的高关注度舆情事件形成最终的推荐列表。[结果/结论]基于网民历史访问记录运用舆情事件EGE推荐模型,能够有效地预测并推荐满足网民兴趣偏好的事件。