网民舆情偏好挖掘及应用研究——以EGE推荐模型为例

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.

关键词：舆情偏好、舆情事件推荐、网络表示学习(NRL)、EGE推荐模型

所属期刊栏目：39

分类号：G350(情报学、情报工作)

资助基金：黑龙江省自然科学基金项目"融媒体时代突发事件网络舆情引导机制研究";黑龙江省社会科学研究规划项目"黑龙江省大数据产业联盟云服务模式研究"

在线出版日期：2020-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：108-115