《基於深度循環神經網路的社交網路情感建模研究》是依託北京科技大學，由王曉慧擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於深度循環神經網路的社交網路情感建模研究
- 依託單位：北京科技大學
- 項目負責人：王曉慧
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
本項目將深度學習與社交網路、情感計算相結合，探索利用深度神經網路進行社交網路情感分析建模的新方法和新技術，提高分析的準確度，降低對先驗假設的依賴，減輕人工情感模型的工作量和偏差，增強對不同網路數據的普適性；對海量數據進行自動篩選和挖掘供深度模型使用；探索模型在推薦上的套用。主要研究內容有：基於注意力模型的社交網路異構數據處理；基於深度LSTM的長時記憶建模，研究子網路選取、深度LSTM設計、和針對社交網路的大型網路結構設計；基於社交網路情感模型和強化學習的推薦算法。研究具有長時記憶的非先驗情感預測方法，對網路中海量的用戶數據、人與人之間關係進行建模，為關聯時間序列創建LSTM模型，並結合它們之間相互關係融入統一的大型深度循環網路中，是本項目的核心問題。研究成果促進了深度學習與情感計算的結合，可推動網路用戶行為分析和預測的研究，用於個性化推薦、定向廣告等領域，具有廣泛的學術意義和套用前景。
結題摘要
本項目將深度學習與社交網路、情感計算相結合，探索利用深度神經網路進行社交網路情 感分析建模的新方法和新技術，提高分析的準確度，降低對先驗假設的依賴，減輕人工情感模型的工作量和偏差，增強對不同網路數據的普適性；對海量數據進行自動篩選和挖掘供深度模型使用；探索模型在推薦上的套用。主要研究內容有：（1）基於注意力模型的社交網路異構數據處理，提出了圖像特徵的提取方法、基於時間敏感tf-idf的關鍵字提取方法、動作隱喻的分析方法、用於模型最佳化的可視化方法。（2）基於深度LSTM的長時記憶建模，研究了具有長時記憶的非先驗情感預測方法，對網路中海量的用戶數據、人與人之間關係進行建模，為關聯時間序列創建LSTM模型，並結合它們之間相互關係融入統一的大型深度循環網路中。研究了子網路選取、深度LSTM設計、針對社交網路的大型網路結構設計、語音的情感建模、社交網路圖像情感預測、服裝圖像的情感預測、社交網路深層結構挖掘、社交網路用戶行為預測等。（3）基於社交網路情感模型和強化學習的推薦算法，將該推薦算法套用於情感化設計，將基於深度循環神經網路的社交網路情感模型用於互動裝置設計，並與虛擬現實技術結合，提出了基於用戶行為分析的大規模場景實時渲染方法，並套用於VR三維數字工廠。相關研究成果發表論文13篇，其中SCI檢索3篇、EI檢索8篇、核心期刊2篇，出版著作1部、譯著2部，申請發明專利5項，授權軟體著作權4項，參加多次國內外學術交流。研究成果套用於情感化設計和工業領域，節省了人力物力，帶來了直接的經濟效益，並作為本科生和研究生的課堂教學案例，在MOOC平台上發布。研究成果促進了深度學習與情感計算的結合，可推動網路用戶行為分析和預測的研究，用於個性化推薦、情感化設計等領域，具有廣泛的學術意義和套用前景。
