1、中文微博消费意图分析研究

中文微博消费意图分析研究

1. 引言

随着互联网和移动设备的发展，微博服务（如新浪微博）在我们的生活中扮演着重要角色。在微博领域已经有大量的研究，例如情感分析和社交网络分析。本文聚焦于如何识别用户的消费意图，这对电子商务和其他商业领域有着重大影响。

一些用户的微博帖子包含消费意图，比如“今天我看到了Moto X的评测，有点感兴趣，想买”。这类信息有助于制造商收集潜在消费者，提高广告投放的准确性。然而，社交媒体数据的意图识别研究在国内外都处于起步阶段。普通可分类文本包括传统博客、论坛等，而微博具有及时性、主题包容性强的特点，每条最多包含140字。用户表达自由，消息中包含噪声数据，如表情符号、英文混合书写和URL等。此外，中文语法丰富复杂，不同组合意义多样，这使得处理中文文本更加困难。使用能训练正常文本的机器学习方法来分类不规则的微博帖子，难以取得理想结果，尤其是对于跨领域的消息。

意图可分为显性和隐性。显性意图会在帖子中明确表述，如“我想买iPhone 5”，无需推断。而隐性意图，如“iPhone怎么样，好用吗”，不同人可能有不同理解，这类隐性微博帖子常用于计算广告或推荐系统。

2. 相关工作

2.1 网络搜索领域的意图研究

最相关的研究是在网络搜索领域获取用户意图，但该任务是对用户使用搜索引擎时输入的2 - 3个单词的文本进行分类，与本文工作不同。

2.2 社交媒体情感分类研究

Go和Bhayani尝试对Twitter进行情感分类，他们使用远程监督以在Twitter上实现高精度，即额外信息（如表情符号）可作为特征。Striam和Fuhry提出了一种新的特征选择方法来处理