基于深度循环神经网络的社交网络用户情感研究

摘要：

目的 将深度学习与社交网络、情感计算相结合,探索利用深度神经网络进行社交网络用户情感研究的新方法和新技术,探索模型在用户需求分析和推荐上的应用.方法 自动筛选和挖掘海量社交网络数据,研究具有长时记忆的非先验情感预测方法,对网络中海量的用户数据、人与人之间关系进行建模,为关联时间序列创建LSTM模型,并结合其相互关系融入统一的大型深度循环网络中.具体包括:基于注意力模型的社交网络异构数据处理;基于深度LSTM的长时记忆建模,研究子网络选取、深度LSTM设计,以及针对社交网络的大型网络结构设计;基于社交网络情感模型和强化学习的推荐算法.结果 提高了分析的准确度,降低了对先验假设的依赖,减轻了人工情感模型的工作量和偏差,增强了对不同网络数据的普适性;供深度模型使用.结论 研究成果促进了深度学习与情感计算的结合,可推动网络用户行为分析和预测的研究,可用于个性化推荐、定向广告等领域,具有广泛的学术意义和应用前景.

关键词：社交网络、情感计算、循环神经网络、深度学习、推荐系统

所属期刊栏目：42

分类号：TB472(工业通用技术与设备)

资助基金：中央高校基本科研业务费;佛山市人民政府科技创新专项资金项目;佛山市促进高校科技成果服务产业发展扶持项目

在线出版日期：2021-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：77-82