基于向量空间模型的用户兴趣模型研究_郭新明

此务研究锖報新#第39卷第2期 2021年2月基于P P M模型的社交媒体用户转移行为研究周涛\林晓靖、邓胜利2(1.杭州电子科技大学管理学院，浙江杭州310018; 2.武汉大学信息管理学院，湖北武汉430072)摘要：【目的/意义】社交媒体在得到广泛普及的同时，各类社交媒体之间的相互竞争也日趋激烈，因此防止用户转移，从而实现用户保持对于社交媒体平台来说至关重要。

基于PPM(推-拉-锚）模型，研究了社交媒体用户的转移行为。

【方法/过程】对收集的358份有效问卷采用结构方程模型进行分析。

【结果/结论】研究结果发现，不满意度、社会影响、感知有用性和社会认同等因素正向影响用户的转移意向，而隐私顾虑负向影响转移意向。

研究结果启示社交平台需要综合考虑推力、拉力、锚定三方面的因素来防止用户转移，从而实现用户保持，获取竞争优势。

【创新/局限】论文的主要创新是基于PPM模型研究了影响社交媒体用户转移行为的显著因素，主要局限是影响用户转移行为的因素较多，未来的研究可考察其他可能因素如感知价值、社会资本等的作用。

关键词：社交媒体；转移行为；PPM;社会影响；社会认同中图分类号：G250.2 D0l：10.13833/j.issn.l007-7634.2021.02.0141引言4G/5G等通信技术的应用推动了移动互联网的快速发 展，智能手机、平板电脑等移动终端在人们的日常生活与工 作中占据着越来越重要的地位，具备各类功能的移动应用程 序(APP)不断涌现。

其中，以微博和微信为代表的移动即时 通讯、以网易云音乐和抖音为代表的娱乐休闲平台以及以小 红书为代表的内容分享平台等各类多元化的社交媒体取得 了显著成功。

与此同时，各类社交媒体之间存在激烈竞争，用户数量也呈现出此消彼长的态势。

根据CNNIC的报告，部分社交媒体如微信朋友圈、空间的用户使用率存在下 降的趋势，而微博的使用率则小幅上升[11。

社交媒体平台需 要采取措施来扩大用户群,从而获取竞争优势。

基于混合选择模型的社交网站用户个人身份信息披露行为研究作者：赵海平指导教师：邓胜利武汉大学信息管理学院武汉 430072摘要：[目的/意义]在使用网络服务的过程中，用户通常主动或被动地披露个人身份信息，但用户也会因此面临隐私泄露风险，本研究有助于理解网络用户披露个人身份信息的影响因素及其偏好，为社交网络服务提供者制定个人信息保护政策提供参考依据。

[方法/过程]本研究以社交网站为例，基于混合选择模型设计实验，从个体特征、个体倾向和平台特征三个方面综合地研究个人身份信息披露行为的影响因素。

[结果/结论]结果显示，对个人身份信息披露意愿的影响力大小：平台特征>个体倾向>个体特征，平台信息泄露历史和用户感知风险是对个人身份信息披露意愿最具影响力的因素。

另外，通过比较传统离散选择模型和混合选择模型的参数估计结果，发现带潜变量的混合选择模型比不带潜变量的传统离散选择模型具有更高的解释程度和预测率。

本研究为社交网络用户的个人信息披露行为提供了新的见解，为信息行为研究提供了一种新的模型和方法。

关键词：混合选择模型个人身份信息信息披露行为社交网站分类号：G203Research on SNS Users’ Disclosure Behavior of Personal IdentifiableInformation Based on Hybrid Choice ModelZhao Haiping, Deng Shengli, Wuhan, 430072School of Information Management, Wuhan UniversityAbstract: [Purpose/ significance] When using online services, users usually disclose personally identifiable information actively or passively, but users may also face the risk of privacy leakage, which may cause serious mental distress and monetary damage. This paper are helpful to understand the influencing factors of disclosing personal identifiable information, and provide a reference for social network service providers to develop personal information protection policies. [Method/ process] Based on the hybrid choice model, this study takes a social networking site as an example and comprehensively studies the influencing factors of personal identity information disclosure behavior from three aspects of individual characteristics, individual inclination and platform characteristics by designing experiment. [Result/ conclusion] The results show that the influence of the intention of disclosing personal identifiable information: platform characteristics > individual tendency > individual characteristics, and information leakage history of platform and user perceived risk are the most influential factors for personal identifiable information disclosure intention. In addition, by comparing the parameter estimation results of the traditional discrete choice model and the hybrid choice model, it is found that the latter has better model fitness and prediction accuracy. This paper provides new insights into personal information disclosure behavior of social network users and provides a new model and method for information behavior research. Keywords: Hybrid choice model; Personal identifiable information; Information disclosure behavior; Social network1引言随着互联网的快速普及和渗透，人们对网络服务的接受程度和参与程度日益加深，个人信息的收集已成为各大网站的主要信息源。

2021⁃10⁃10计算机应用,Journal of Computer Applications2021,41(10):2835-2841ISSN 1001⁃9081CODEN JYIIDU http ：//基于多层次空间注意力的图文评论情感分析方法郭可心，张宇翔*（中国民航大学计算机科学与技术学院，天津300300）（∗通信作者电子邮箱yxzhcn@ ）摘要：随着社交网络的不断普及，相对于传统的文字描述，人们更倾向于发布图文结合的评论来表达自己的情感与意见。

针对图文情感分析方法中仅考虑图文间的高级语义联系，而较少注意图片的低层次情感特征以及中层美学特征与文本情感之间关联性的问题，提出了一种基于多层次空间注意力（MLSA ）的图文评论情感分析方法。

所提方法以文本内容为驱动，使用MLSA 设计图像与文本之间的特征融合方法，该特征融合方法不仅关注与文本相关的图像实体特征，而且充分利用图像的中层美学特征和低层视觉特征，从而从多个不同角度挖掘图文之间的情感共现。

在两个公开的图文情感数据集MVSA_Single 和MVSA_Multi 上，该方法的分类效果相对于对比方法中最优的方法的分类效果在准确率上分别提高了0.96和1.06个百分点，在F1值上分别提高了0.96和0.62个百分点。

实验结果表明，综合分析文本特征和图像特征之间的层次化联系能有效地增强神经网络捕捉图文情感语义的能力，从而更准确地预测图文整体的情感。

关键词：空间注意力；多特征融合；情感分析；多模态；社交媒体；神经网络中图分类号：TP391文献标志码：AVisual -textual sentiment analysis method based on multi -level spatial attentionGUO Kexin ，ZHANG Yuxiang *（College of Computer Science and Technology ，Civil Aviation University of China ，Tianjin 300300，China ）Abstract:With the continuous popularization and promotion of social networks ，compared with traditional text description ，people are inclined to post reviews with both images and texts to express their feelings and opinions.The existing visual -textual sentiment analysis methods only consider the high -level semantic relation between images and texts ，but pay less attention to the correlation between the low -level visual features and middle -level aesthetic features of images and the sentiment of texts.Thus ，a visual -textual sentiment analysis method based on Multi -Level Spatial Attention （MLSA ）was proposed.In the proposed method ，driven by text content ，MLSA was used to design the feature fusion method between images and texts.This feature fusion method not only focused on the image entity features related to texts ，but also made full use of the middle -level aesthetic features and low -level visual features of images ，so as to to mine the sentiment co -occurrence between images and texts from various pared to the classification effect of the best method among the comparison methods ，the classification effect of the model was improved by 0.96and 1.06percentage points on accuracy ，and improved by 0.96and 0.62percentage points on F1score on two public multimodal sentiment datasets （MVSA_Single and MVSA_Multi ）respectively.Experimental results show that the comprehensive analysis of the hierarchical relationship between text features and image features can effectively enhance the neural network ’s ability to capture the emotional semantics of texts and images ，so as to predict the overall sentiment of texts and images more accurately.Key words:spatial attention;multi -feature fusion;sentiment analysis;multimodal;social media;neural network引言情感分析（Sentiment Analysis ）作为社交媒体分析的前沿领域，被广泛应用于针对用户的产品营销、政治预测、股票预测和心理健康分析。

2022年 3月 March 2022Digital Technology &Application 第40卷 第3期Vol.40 No.3数字技术与应用中图分类号:TP311 文献标识码:A 文章编号:1007-9416(2022)03-0152-03DOI:10.19695/12-1369.2022.03.48基于知识图谱的个性化推荐系统构建徐海文1 谭台哲1,21.广东工业大学计算机学院；2.河源市湾区数字经济技术创新中心在以往的推荐系统模型中，大多是通过协同过滤算法实现的，所以会存在冷启动和数据稀疏性等问题，从而导致推荐质量不高。

一般的解决办法就是通过加入一些附加的语义信息来提升推荐的精度。

而知识图谱中就包含了大量的语义内容，可以在推荐系统中引入知识图谱作为附加信息。

因此，本文提出了基于知识图谱的个性化推荐系统构建。

在推荐模型中加入知识图谱，可以很好的增强推荐的准确性。

随着不同平台的数据量以前所未有的速度增长，人们充分享受到了获得信息的便利。

但是，与此同时人们也面临着一些问题，比如在如此冗杂的数据中寻找信息时，如何快速、准确、高效地定位目标，如何屏蔽垃圾信息，为用户呈现出有用的结果等。

虽然搜索引擎能够解决掉一些问题，但是对于一些用户，他们在浏览网页的时候，没有明确目标，只是随便看看。

如果网站不能提供给用户更有兴趣的内容，那么就很难留住用户。

因此，通过互联网技术，为用户实时的推荐一些合适感兴趣的内容，成为了当下研究的热点。

大数据时代，推荐系统在很多领域都有应用，并且取得了不错的成绩，尤其是在电商领域。

但也面临着许多的挑战，传统的推荐算法，利用了用户与用户之间，物品与物品之间内在少量的信息，从而导致了推荐精度下降，并且难以逾越这些瓶颈。

推荐系统还存在冷启动和数据稀疏性等问题，一般的方法是通过引入一些语义内容作为附加信息，就可以很好的提升推荐的质量[1]。

知识图谱就是一种语义关系图，可以作为推荐系统的辅助内容。