商家评论的情感分类研究和应用

大多数基于有指导机器学习方法的情感分类采用N元(n-gram)词袋(bag-of-words)模型,使用二值(binary)作为特征项的权重。本文系统地分析了信息检索中常用的特征权重计算方法,并从项频、倒文档率、归一化因子等角度加以借鉴和改进,研究其在商家评论上的应用。最主要的改进在于考虑了特征项在不同类别中分布情况的差异以及对倒文档率的平滑。在餐饮评论语料上的实验结果表明,经典的tf.idf若干变形,尤其是倒文档率类差异(delta idf)及平滑因子(smoothing factor)的引入,能有效提高分类准确率。在酒店、电脑、书籍等领域的在线评论公开数据集上也取得了较好的性能,证明了方法的普遍适用性。这一方法目前已经在中国电信号码百事通业务中用于餐饮商家及优惠券推荐,效果良好。     

个性化推荐在移动互联网业务中的应用

以SoLoMo为标志的新一轮商业模式带动了移动互联网时代用户的上网行为及消费方式的转变,用户对互动性、实时性服务的需求愈发迫切,服务差异化和需求个性化的期望也为数据挖掘和应用提供了新的机遇和挑战。本文从移动互联网用户的行为知识库开放平台、智能化用户模型关键技术、个性化信息推荐及应用等几个方面,探索如何构造一个共赢的移动生态产业链体系。     

从哎姆DJ谈移动互联网产品的营销推广

移动互联网用户已经开始超越传统的PC互联网，而移动互联网产品作为新鲜事物，和传统PC上的互联网产品相比，营销上既有相同规律，也有自身的特点。哎姆DJ是几位作者亲身参与开发和运营的移动互联网产品，它作为音乐社交应用，经过两年的运营已经发展了超过百万的用户。文章以哎姆DJ的营销实践作为案例，系统地对营销策略以及各种营销工具进行深入的阐述和分析。     

位置搜索关键技术研究

论述了位置搜索的需求、特性及位置搜索技术的现状,提出了位置搜索的技术框架并描述了位置搜索的主要功能,最后重点分析了位置搜索技术中两个重要的策略实现。位置搜索技术不仅能向用户提供基于位置的信息检索,而且结合用户当前属性和行为数据,能真正做到个性化的信息推荐。     

微博客：电信运营商踏足移动互联网的良机

文章论述了徽博客的兴起与发展历程,阐明了电信运营商发展微博客的必要性以及优势,提出了符合中国电信业务需要的微博客技术方案,探讨了运营商微博客未来可行的发展道路。     

大数据在音乐推荐质量提升中的实践及应用

基于音乐推荐的应用实例,探索和实现了大数据如何提高推荐质量的过程及方法.提出通过建立基于RFM模型的用户歌曲综合评分体系,在推荐算法中引入项目稀疏度、重叠度、可信度概念作为调整因子,在混合推荐时引入飙升词、内容标签和二次规则过滤等组合方法以解决推荐系统面临的常见问题,为大数据应用提供具体的参考和指导.