随着社交网络平台的迅速发展,网络欺凌问题日益突出,文本与图片相结合的多样化网络表达形式提高了网络欺凌的检测和治理难度.构建了一个包含文本和图片的中文多模态网络欺凌数据集,将BERT(bidirectional encoder representations from t...随着社交网络平台的迅速发展,网络欺凌问题日益突出,文本与图片相结合的多样化网络表达形式提高了网络欺凌的检测和治理难度.构建了一个包含文本和图片的中文多模态网络欺凌数据集,将BERT(bidirectional encoder representations from transformers)模型与ResNet50模型相结合,分别提取文本和图片的单模态特征,并进行决策层融合,对融合后的特征进行检测,实现了对网络欺凌与非网络欺凌2个类别的文本和图片的准确识别.实验结果表明,提出的多模态网络欺凌检测模型能够有效识别出包含文本与图片的具有网络欺凌性质的社交网络帖子或者评论,提高了多模态形式网络欺凌检测的实用性、准确性和效率,为社交网络平台的网络欺凌检测和治理提供了一种新的思路和方法,有助于构建更加健康、文明的网络环境.展开更多
在线社交网络用户的人格与其行为模式、需求偏好和心理健康密切相关.本文提出了一种融合多特征的在线社交网络用户人格预测方法.该方法构建了一个在线社交网络用户人格特征体系,通过提取数字信息中的文本特征、行为特征、语言特征和情...在线社交网络用户的人格与其行为模式、需求偏好和心理健康密切相关.本文提出了一种融合多特征的在线社交网络用户人格预测方法.该方法构建了一个在线社交网络用户人格特征体系,通过提取数字信息中的文本特征、行为特征、语言特征和情感特征,采用早期特征融合策略,使用微博平台数据,对用户的Myers-Briggs Type Indicator(MBTI)人格类型进行预测.实验证明,本文提出的融合多特征的方法相较于简单基于文本特征的方法在分类的效果上更为出色,准确率和F1值分别提升了2.44%、2.59%.同时也表明,CNN在融合多特征的在线社交网络用户人格预测任务上展现出卓越的性能,而BERT结合BiLSTM在人格的信息收集方式和决策方式维度上表现出明显优势.展开更多
基于活动的社交网络(Event-based Social Network, EBSN)是一种新型的复杂异构社交网络,其中的个性化活动推荐具有一定的应用价值。近年来,随着EBSN的快速发展,传统方法利用数据挖掘技术有效解决了活动推荐的信息过载问题。然而,仅利用...基于活动的社交网络(Event-based Social Network, EBSN)是一种新型的复杂异构社交网络,其中的个性化活动推荐具有一定的应用价值。近年来,随着EBSN的快速发展,传统方法利用数据挖掘技术有效解决了活动推荐的信息过载问题。然而,仅利用单特征属性或少量线性组合进行计算,且预定义固定权重将降低活动推荐的准确度,此外大多数方法忽略了用户反馈信息对后续推荐的影响。针对上述问题,提出了一种两阶段构成的多因素特征融合的活动推荐方法。查询预处理阶段,将EBSN中的活动、历史用户及其之间的关系抽象为有向异构图,并提取节点及边的特征信息进行辅助存储;利用该辅助数据过滤无效节点及边,进而获得相对较小的候选集;根据查询语境,将查询语义转化为查询图。在线查询阶段,融合潜在好友关系、基于活动的协同过滤以及用户对活动的兴趣这3方面特征进行活动推荐,并接收用户是否接受活动的反馈信息作为后续推荐的参考因素。在真实数据集和模拟数据集上进行了大量实验,结果表明所提方法相比对比算法在EBSN中活动推荐的精确度和用户的满意度方面更优。展开更多
文摘随着社交网络平台的迅速发展,网络欺凌问题日益突出,文本与图片相结合的多样化网络表达形式提高了网络欺凌的检测和治理难度.构建了一个包含文本和图片的中文多模态网络欺凌数据集,将BERT(bidirectional encoder representations from transformers)模型与ResNet50模型相结合,分别提取文本和图片的单模态特征,并进行决策层融合,对融合后的特征进行检测,实现了对网络欺凌与非网络欺凌2个类别的文本和图片的准确识别.实验结果表明,提出的多模态网络欺凌检测模型能够有效识别出包含文本与图片的具有网络欺凌性质的社交网络帖子或者评论,提高了多模态形式网络欺凌检测的实用性、准确性和效率,为社交网络平台的网络欺凌检测和治理提供了一种新的思路和方法,有助于构建更加健康、文明的网络环境.
文摘在线社交网络用户的人格与其行为模式、需求偏好和心理健康密切相关.本文提出了一种融合多特征的在线社交网络用户人格预测方法.该方法构建了一个在线社交网络用户人格特征体系,通过提取数字信息中的文本特征、行为特征、语言特征和情感特征,采用早期特征融合策略,使用微博平台数据,对用户的Myers-Briggs Type Indicator(MBTI)人格类型进行预测.实验证明,本文提出的融合多特征的方法相较于简单基于文本特征的方法在分类的效果上更为出色,准确率和F1值分别提升了2.44%、2.59%.同时也表明,CNN在融合多特征的在线社交网络用户人格预测任务上展现出卓越的性能,而BERT结合BiLSTM在人格的信息收集方式和决策方式维度上表现出明显优势.
文摘基于活动的社交网络(Event-based Social Network, EBSN)是一种新型的复杂异构社交网络,其中的个性化活动推荐具有一定的应用价值。近年来,随着EBSN的快速发展,传统方法利用数据挖掘技术有效解决了活动推荐的信息过载问题。然而,仅利用单特征属性或少量线性组合进行计算,且预定义固定权重将降低活动推荐的准确度,此外大多数方法忽略了用户反馈信息对后续推荐的影响。针对上述问题,提出了一种两阶段构成的多因素特征融合的活动推荐方法。查询预处理阶段,将EBSN中的活动、历史用户及其之间的关系抽象为有向异构图,并提取节点及边的特征信息进行辅助存储;利用该辅助数据过滤无效节点及边,进而获得相对较小的候选集;根据查询语境,将查询语义转化为查询图。在线查询阶段,融合潜在好友关系、基于活动的协同过滤以及用户对活动的兴趣这3方面特征进行活动推荐,并接收用户是否接受活动的反馈信息作为后续推荐的参考因素。在真实数据集和模拟数据集上进行了大量实验,结果表明所提方法相比对比算法在EBSN中活动推荐的精确度和用户的满意度方面更优。
