基于短文本的互聯(lián)網(wǎng)用戶意圖識(shí)別方法及應(yīng)用研究.pdf

1、Web2.0的迅速發(fā)展極大地提高了互聯(lián)網(wǎng)用戶的交流速度和交流范圍，同時(shí)也為互聯(lián)網(wǎng)用戶參與事件的討論、發(fā)表看法提供了方便的途徑。而且，在日常生活中人們不僅使用社交媒體來接受或者發(fā)布創(chuàng)作多種多樣的信息，還會(huì)借此來表達(dá)自己對(duì)物品的買賣、招聘和求職、出租房屋和求租房屋等意圖，即一種需求服務(wù)意圖。同時(shí)，人們也會(huì)通過社交媒體表達(dá)自己對(duì)社會(huì)事件的看法態(tài)度，并以此來表現(xiàn)自己參與某事件的參與意圖。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）2016年1月22日

2、發(fā)布的第37次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》調(diào)研分析指出社交應(yīng)用主要分為兩大類：一類是較專業(yè)、小眾、細(xì)分的垂直類社交應(yīng)用，例如信息交互網(wǎng)站、論壇等；另一類是涉及各類信息的綜合社交類應(yīng)用，例如微博。該報(bào)告中提到的這兩大類社交應(yīng)用正是本論文所關(guān)注的主要問題。如何利用互聯(lián)網(wǎng)用戶在社交應(yīng)用中產(chǎn)生的這些海量數(shù)據(jù)對(duì)用戶意圖進(jìn)行意圖識(shí)別是本文亟待解決的問題。本課題旨在識(shí)別用戶意圖，包括垂直類社交應(yīng)用中的意圖和綜合社交類應(yīng)用中的意圖。
　　本文

3、首先針對(duì)垂直類社交應(yīng)用中的用戶需求服務(wù)意圖識(shí)別，本文提出了Verb Biterm Topic Model（Verb-BTM）意圖識(shí)別模型。該模型以用戶發(fā)布的自然語言短文本為研究對(duì)象，將用戶發(fā)布的短文本表示為意圖模板的形式。意圖模板的形成分為兩步：第一步將不包含動(dòng)詞的短文本作為意圖的對(duì)象，采用Biterm Topic Model（BTM）為基礎(chǔ)的主題挖掘方法進(jìn)行主題挖掘；第二步將用戶在文本表達(dá)中使用的動(dòng)詞作為模板詞進(jìn)行Word to Ve

4、cter（word2vec）聚類分析。進(jìn)一步地，在得到意圖模板之后，為了能及時(shí)滿足用戶的意圖，提升用戶體驗(yàn)，本文設(shè)計(jì)了用戶相對(duì)應(yīng)意圖匹配方法。該方法基于成對(duì)定義的意圖詞，即將相對(duì)應(yīng)的意圖詞定義為服務(wù)需求的匹配。該方法利用動(dòng)態(tài)詞擴(kuò)展技術(shù)擴(kuò)展意圖詞以達(dá)到優(yōu)化結(jié)果的目的。
　　其次，針對(duì)綜合社交類應(yīng)用中的事件參與者意圖識(shí)別，本文以微博數(shù)據(jù)為研究對(duì)象，結(jié)合文本內(nèi)容特征、文本情緒特征、文本社會(huì)態(tài)度特征形成多特征分析模型來發(fā)現(xiàn)參與者通過參與事