张亚茹, 唐锡晋

(1.中国科学院数学与系统科学研究院,北京 100190;2.中国科学院大学,北京 100049)

1 引 言

当今社交媒体迅速发展,越来越多的人习惯通过微博、论坛和媒体网站浏览感兴趣的内容,获取网络舆情,参与话题讨论,发表个人所感.Mohbey 等[1]以意大利选举期间的帖子为语料,定义了政治界主要讨论的农业、基础设施建设、教育以及就业等9 大类选举问题,并使用深度学习方法将用户发表的言论划分为上述9类,以预测用户关注的焦点.目前也有许多关于舆情事件与社会网络用户影响力的研究.学者们研究了确定高影响力事件,抽取事件要素的方法[2,3],开展了文本聚类、话题分析等工作[4−6].对于社会网络中用户影响力的研究,主要是从用户网络属性,用户行为方式和互动规律,用户距离等角度出发进行探索的[7−11].随着粉丝经济,直播带货,广告推荐,新闻推送的兴起,挖掘网民兴趣偏好,精准定位用户群,为不同群体推荐其感兴趣的事物,对于提高网络营销效益,及时获取民意具有重要意义.Liao 等[12]研究了一种基于关联规则的推荐方法.首先通过问卷调查考察了多种社会网络用户进行在线社会网络营销的经历.接着根据这些用户的网络行为和偏好对他们聚类,并探索用户画像、社会网络管理、社会网络行为、在线购买行为、社会网络营销以及个性化推荐间的关联.最后基于关联规则得到的知识图为每个群体推荐其可能会购买的物件.用户分组的……