基于长短期记忆网络的微博标签推荐算法.docxVIP

PAGE PAGE IV 年 月哈尔滨哈飞集团汽车博物馆设计本科毕业设计（论文）指导教师：王 五学 号：0123456789专 业：建筑学院 系：建筑学院张 三哈尔滨哈飞集团汽车博物馆设计张 三 年 月 哈尔滨哈飞集团汽车博物馆设计 本科毕业设计（论文） 指导教师：王 五 学 号：0123456789 专 业：建筑学 院 系：建筑学院 张 三 哈尔滨哈飞集团汽车博物馆设计 张 三 基于长短期记忆网络的微博标签推荐算法 摘要 社交网络日益发展繁荣，成为每个人生活中不可或缺的一部分。作为Web2.0时代的新兴媒体，微博上存在着庞大的活跃用户群体不断地产生大量信息。这些信息可以由用户通过加标签的形式加以标注，来反映文本的主题，使得被标注的信息在用户搜索相关主题时更容易被检索到。同时，微博的标签还可以被用在如情感分析和查询扩展等许多应用中。目前的一个显著问题是大部分用户出于方便考虑，不会主动给自己发布的微博加上标签，因此自动化地为用户的将要发布的微博推荐合适的标签成为一个重要的任务。 本文的研究内容主要包括以下三点： 本文将深度学习模型应用于微博标签推荐任务。根据对国内外研究现状的广泛调研，深度学习在自然语言处理中的广泛应用引人注目。然而，现有的工作都没有考虑使用深度学习网络模型来解决微博标签推荐问题。本文主要提出了基于长短期记忆网络的微博标签推荐模型。 本文首先基于Twitter的真实数据构建了适合于微博标签推荐任务的训练与测试的数据集，然后利用更大量的微博语料进行了多种维度的词向量预训练。预训练的词向量可以帮助长短期记忆网络更好地习得语句语义表示，并且能够使得模型更快收敛。实验表明，预训练的词向量对于微博标签推荐任务有显著的帮助。 本文提出了基于长短期记忆模型的微博标签推荐模型。长短期记忆模型能够利用语句的完整历史上下文信息，能够有选择地选择一句话中需要被记忆的部分，因此能够很好地习得语句的语义表示。我们将实验结果与一些基线实验进行了对比，结果表明本文提出的方法在准确率和召回率上均显著优于基线模型。 关键词：标签推荐；微博；循环神经网络；长短期记忆 Abstract With the development of social network, it has become an essential part of everyones life. As a new media in the era of Web2.0, there is much information on Microblog Service. The posts on microblogs can be annotated by the author with hashtags to reflect the general idea of the content, so that the posts can be easily retrieved by other users. Hashtags can be used in many applications such as information retrieval, sentiment analysis and query expansion. A significant issue is that most users will not attach hashtags to their tweets for convenience. Hence, hashtag recommendation becomes an important task. The main contents of this paper includes three parts as follows: Deep learning model is employed to address the issue of hashtag recommendation. According to extensive investigation of related works home and abroad, deep learning has demonstrated great success in a wide range of NLP tasks. However, there is no the existing work considering the use of deep learning network model to solve this problem. In this paper, we ma