基于情感的社交网络信息推荐关键技术研究

With the rapid development of the Internet, social networks play a more and more important role in the economic development. In Big Data environment, how to accurately recommend useful information to users from the large-scale social networks is a new challenge in the current research on Internet. The current information recommendation methods lack of consideration of user interest and information sentiment, and they work not very well on the large-scale social networks. To solve this problem, two key scientific problems to be solved are presented: "interest-based overlapping community detecting on social networks" and "sentiment-based information recommendation”. The project starts from the dividing of overlapping communities on large scale social networks to get the sub-communities that formed by users which have strong relations. Then, it researches the description and computation method of sentiment. It describe the sentiment of information and user by formal model and give the computation method of sentiment similarity between information and between users. Meanwhile, it researches the integration of semantic and sentiment similarity to compute the hybrid information similarity. Based on it, the project proposes the sentiment-based information recommendation method. Finally, we will develop a prototype system and then conduct the validation studies.

随着互联网的飞速发展，社交网络在经济发展中扮演着越来越重要的角色。在大数据环境下，如何从社交网络中准确地推荐给用户有用的信息是当前互联网研究中的所面临的挑战。现有的信息推荐方法缺少对用户兴趣和信息情感的考虑，在大规模社交网络上的推荐效果不佳。为解决此问题，本项目面向社交网络中的信息推荐，围绕提炼出的“社交网络中基于用户兴趣的重叠社区划分”和“基于用户情感的信息推荐”两个关键科学问题，从社交网络的重叠社区划分入手，研究与用户兴趣相关的重叠社区划分方法，得到兴趣主题形成的强关系用户所构成的子社区；进而研究情感的描述与计算问题，用形式化方法描述信息的情感倾向，并给出信息之间和用户之间的情感相似程度计算方法；同时研究信息语义相关性与情感相似性相结合的信息相似度计算方法，并在此基础上，结合基于用户兴趣的社交关系，提出社交网络的信息推荐算法；最后开展原型系统的开发与研制，验证项目的理论成果。

社交网络中的信息推荐是目前研究的热点问题，而用户的情感信息是帮助推荐系统做出更准确推荐的重要因素。本项目针对基于情感的社交网络推荐方法，在研究更准确的社交网络中重叠社区发现问题的基础上，获取信息更丰富的用户的情感特征表示方法，并基于用户的情感特征进行信息推荐。本项目的主要研究成果包括：（1）研究了社交网络中重叠社区的表示和影响力传播模型，通过挖掘意见领袖和融合属性特征，得到更准确的信息传播路径，从而提高了社区发现的准确性，同时通过分阶段的方法提高了对动态社交网络社区发现的速度；（2）研究了用户情感特征的表示和分类问题，通过构建社交网络中的情感字典，对情感特征进行表示学习，并结合信息中的文本特征和表情符号，进行更准确的情感分类；（3）研究了社交网络中的信息推荐方法，在计算信息的传播趋势时，既考虑信息本身的文本特征和情感特征，又考虑信息传播过程中所产生的群体评论特征和情感特征，以更准确地刻画信息，同时针对传统推荐系统中用户评分标准不统一的问题，对用户评分和推荐算法进行了改进，取得了较好的效果。本项目的研究为后续开展面向特定领域的社交网络推荐方法研究打下了良好的基础。