基于深度学习的企业开放社区用户创意挖掘方法研究
企业开放社区中聚集的海量产品知识与使用经验,可以为企业的产品创新提供创意与灵感.然而,面对爆炸式增长的非结构化数据,传统的观点挖掘技术在效果和效率方面早已无法满足需求.为此,本文基于深度学习算法提出一种更为高效、及时的用户创意挖掘方法.首先,本文搭建带有Dropout机制的多嵌入层CNN模型ME-CNN,以增强模型的局部语义特征捕捉能力,识别包含创意观点的帖子文本;进而充分利用Transformer模型的长距离依赖建模的特点和CNN模型善于捕捉局部语义信息的优点,构建组合模型TF-CNN实现句子粒度的非创意性文本过滤;最后使用层次凝聚聚类方法(HAC)对创意观点进行聚类,实现用户创意挖掘.通过利用真实数据进行实验,结果表明:该方法在用户创意挖掘方面具有更好的性能,能够帮助企业更高效地从企业开放社区中获取用户创意,为产品创新提供决策支持工具.
创意挖掘;企业开放社区;深度学习;CNN模型;知识管理
41
N37(数据处理)
国家自然科学基金;广东省软科学研究项目
2021-11-22(万方平台首次上网日期,不代表论文的发表时间)
共13页
2488-2500