{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“讯息”：{“索引”：{“日期-部件”：[[2024,5,1]]，“日期-时间”：“2024-05-01T07:34:56Z”，“时间戳”：1714548896726}，“参考-计数”：53，“出版商”：“计算机协会（ACM）”，“问题”：“4”，“许可证”：[{“开始”：{-“日期-零件”：[2022,4,18]]，”日期-时间“：”2022-04-18T00:00:00Z“，“timestamp”：165024000000}，“content-version”：“vor”，“delay-in-days”：365，“URL”：“http://www.acm.org\/publications\/policys\/corpyright_policy#Background”}]，“funder”：[{“DOI”：“10.13039\/1000000001”，“name”：“国家科学基金会”，“DOI-asserted-by”：“publisher”，“award”：[“CNS 1824440，CNS 1828363，CNS 1757533”]}，{“name”：“广东省NSF拨款”，“奖项”：[“2017A0308006，”]}，{“名称”：“浙江实验室开放项目”，“奖金”：[”2019KE0AB02“]}、{“DOI”：“10.13039\/501100001809”，“名称”:“国家科学基金”，“DOI-asserted-by”：“crossref”，“奖”：[（61632009）]}，“内容域”：{“域”：[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[”acm Trans.Knowl.Discov.Data“]，“published-print”：{“date-parts”：[[2021,8,31]]}，”抽象“：”在线评论和评级在塑造电子商务客户的购买决策方面发挥着重要作用。许多研究都是通过利用评论、评级、用户简介或行为为用户提供适当的建议。然而，用户偏好和项目属性的动态演变尚未得到充分利用。此外，它缺乏方面层面的细粒度研究。为了解决上述问题，我们定义了用户成熟度和项目流行度两个概念，以更好地探索用户和项目的动态变化。我们努力利用方面级别的细粒度信息以及用户和项目的演变来进行动态情感预测。首先，我们从整体层面和方面层面分析三个真实数据集，以发现用户方面偏好和项目方面属性的动态变化（即渐变和突变）。接下来，我们提出了一种新的基于方面的情感动态预测模型（ASDP），以动态捕获和利用具有统一时间间隔的变化模式。我们进一步提出了改进的模型ASDP+，该模型采用了一种bin分割算法，以根据突然变化不均匀地设置时间间隔。在三个真实数据集上的实验结果表明，我们的工作带来了显著的改进<\/jats:p>“，”DOI“：”10.1145\/3441451“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,4,18]]，”date-time“：”2021-04-18T16:05:45Z“，”timestamp“：1618761945000}，”page“：标题“：[”利用产品评论中的时间动力学进行方面层面的动态情绪预测“]，“前缀”：“10.1145”，“卷”：“15”，“作者”：[{“给定”：“北科”，“家族”：“夏”，“序列”：“第一”，“隶属关系”：[}“名称”：“中国湖南省长沙市湖南大学”}]}，{“ORCID”：“http://ORCID.org\/00000-0003-4985-7454”，“authenticated-orcid“：false，”given“：”Wenjun“，”family“：”Jiang“，”sequence“：”additional“，”affiliation“：[{”name“：”Hunan University，Chousan，Hunan Province，China“}]}，{”giving“：”Jie“，”家庭“：”Wu“，”sequence“”：“additional”，“affiliance”:[{“name”：“Temple University of Philadelphia，PA”}]}]，{“given”：“Surong”，“family”：“Xiao”，“affiliation“：[{“name”：“中国湖南长沙湖南大学”}]}，{“given”：“Guojun”，“family”：“Wang”，“sequence”：“additional”，“affiliation:[{”name“：“Guangzhou University，China”}]]，“member”：“320”，“published-online”：{“date-parts”：[2021,4,18]]}、“reference”：[{key：“e_1_1_1”，“doi-asserted-by”：”publisher“，“doi”：“10.1145\/3097983.3098170“}，{“key”：“e_1_2_1_1_1”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/3357384.3360321”}，}“keys”：“e_1_2_1_3_1”，”doi-assert-by“：”publisher“，”doi“：”10.1145\/2911451.2911549“}6145“}，{”键“：”e_1_2_1_5_1“，”doi-asserted-by“：”出版商“，”doi“：”10.1145\/2623330.2623758“}，{“key”：“e_1_2_1_6_1”，“volume-title”：“基于电子商务中时间演变的用户行为的品牌购买预测。并发与计算：实践与经验31，1”，“作者”：“董云琦”，年：“2019”，“非结构化”：“董云琦和蒋文军。2019。电子商务中基于时间演化用户行为的品牌购买预测。并发与计算：实践与经验31，1（2019），e4882:1-15。DOI:https:\/\/DOI.org\/10.1002\/cpe.4882董云琪和蒋文军。2019.基于电子商务中时间演变用户行为的品牌购买预测。并发与计算：实践与经验31，1（2019），e4882:1-15。DOI:https:\/\/DOI.org/10.1002\/cpe.4882“｝，｛“key”：“e_1_2_1_7_1”，“DOI由”断言：“publisher”，“DOI”：“10.1007\/s11257-018-9214-9”｝，｛“key”：“e_1_2_1_8_1”，“volume title”：“结合隐含反馈的主题和社会潜在因素的协作过滤。ACM数据发现交易12，2”，“author”：“Hu Guang Neng”年份”：“2018年”，“非结构化”：“胡光能、戴新宇、邱凤玉、瑞霞、陶莉、黄树健和陈佳军。2018年，结合主题和社会潜在因素的合作过滤，包括隐性反馈。ACM《数据知识发现汇刊》12，2（2018），1-30。胡光能、戴新宇、邱凤玉、夏芮、李涛、黄树健和陈佳军。2018年，结合主题和社会潜在因素的合作过滤，包括隐性反馈。ACM Transactions on Knowledge Discovery from Data 12，2（2018），1--30.“}，{”key“：”e_1_2_1_9_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3414841”}，“key”：“e_1_i_1_10_1”，“volume-title”：“IEEE Conference on Computer Communications.1440--1448”，“author”：“Jiang W.”，“unstructured”：“W.Jiang and J.Wu.2017.”。在线社交网络中的积极观点形成。IEEE计算机通信会议论文集。1440--1448 . W.Jiang和J.Wu。2017年。在线社交网络中的积极舆论形成。IEEE计算机通信会议论文集。1440--1448.“}，{”key“：”e_1_2_1_11_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TC.2015.2435785”}，“key”：“e_1_i_12_12_1”，“volume-title”：“IEEE计算机通信会议论文集.1707--1715”，“author”：“Jiang W.”，“unstructured”：“W.Jiang，J.Wu，G.Wang，and H.Zheng.2014。FluidRating：使用流体动力学的基于信任的推荐系统中的时间演化评级方案。IEEE计算机通信会议论文集。1707--1715 . W.Jiang、J.Wu、G.Wang和H.Zheng。2014.FluidRating：使用流体动力学的基于信任的推荐系统中的时间演变评级方案。IEEE计算机通信会议论文集。1707--1715.“}，{”key“：”e_1_2_1_13_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TC.2015.2444842”}，}，“key”：“e_1_i_14_1”，“volume-title”：“在线系统中的审核摘要生成：监督和非监督场景的框架。ACM网上交易”，“author”：“姜文军”，“年份”：“2021”，“非结构化”：“姜文军、陈静、丁晓飞、吴杰、何家伟和王国军。2021.审查在线系统中的摘要生成：监督和非监督场景的框架。ACM网上交易（2021），33。内政部：https:\/\/DOI.org\/10.1145\/3448015蒋文军、陈静、丁晓飞、吴杰、何家伟和王国军。2021.审查在线系统中的摘要生成：监督和非监督场景的框架。ACM网上交易（2021），33。DOI:https:\/\/DOI.org\/10.1145\/3448015“}，{“key”：“e_1_1_15_1”，“DOI-asserted-by”：“publisher”、“DOI”：“10.1145\/2807697”}、{“密钥”：“e_1_2_1_16_1”、”DOI-assert-by“：”publisher“，”DOI“：”10.1145\/204392.043964“}、“key“：”e_2_17_1“，：“10.1145\/1721654.1721677”}，{“key”：“e_1_2_1_18_1”，“volume-title”：“C”，“author”：“李晨”，“年份”：“2013年”，“非结构化”：“陈丽和王峰。2013年。基于偏好的聚类审查，以增强电子商务建议。基于知识的系统50，C（2013），44-59。陈丽和王峰。2013年。基于偏好的聚类审查，以增强电子商务建议。基于知识的系统50，C（2013），44-59.“}，{“key”：“e_1_2_1_19_1”，“volume-title”：“C”，“author”：“Lin Qiu”，《year》：“2016”，“unstructured”：“Qiu Lin，Gao Sheng，Wenlong Cheng，and Jun Guo.2016。基于方面的潜在因素模型，集成了推荐系统的评分和评审。基于知识的系统110，C（2016），233--243。邱琳、高升、程文龙和郭军。2016年。通过整合推荐系统的评分和评论，建立了基于方面的潜在因素模型。基于知识的系统110，C（2016），233-243.“}，{“key”：“e_1_2_1_20_1”，“volume title”：“评级符合评审，一种组合的推荐方法。在第八届美国计算机学会推荐系统会议记录（RecSys\u201914）中”，“author”：“Ling Guang”，“year”：“2014”，“nonstructured”：“Guang Ling，Michael R。Lyu和Irwin King。2014 . 评级符合审查，这是一种综合的推荐方法。第八届ACM推荐系统会议记录（RecSys\u201914）。ACM，纽约州纽约市，105-112。内政部：https:\/\/DOI.org\/10.1145\/264570.2645728 Guang Ling、Michael R.Lyu和Irwin King。2014年。评级符合审查要求，这是一种综合的推荐方法。第八届ACM推荐系统会议记录（RecSys\u201914）。ACM，纽约州纽约市，105-112。DOI:https:\/\/DOI.org\/10.1145\/2645728“}，{“key”：“e_1_2_1_21_1”，“volume-title”：“VDTNs中大数据多播的最佳throwbox分配。无线网络（3月），“author”：“Liu Peng”，“year”：“2019”，“unstructured”：“Peng Liu，Yue Ding，and Tingting Fu.2019。VDTN中大数据组播的最优吞吐量分配。无线网络（2019年3月），1-11。DOI:10.1007\/s1276-019-01974-z 10.1007\/s1276-019-01974-z刘鹏、丁岳和傅婷婷。2019.VDTN中大数据组播的最佳投掷箱分配。无线网络（2019年3月），1-11。DOI:10.1007\/s11276-019-01974-z“}，{“key”：“e_1_1_22_1”，“DOI-asserted-by”：“publisher”，”DOI“：“10.1145\/3108238”}，“key“：”e_2_1_23_1“，”DOI-assert-by“：”publisher“，8-3-319-68786-5_34“}，{”key“：”e_1_2_1_25_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1145\/2507157.2507163“}，{“key”：“e_1_2_1_26_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1145\/2488388.2488466”}，“key“：”e_1_i_1_27_1“，”doi-assert-by“：”publisher“，erjee Subhabrata“，“年份”：“2016年”，“非结构化”：“Subhabrata Mukherjee、Hemank Lamba和Gerhard Weikum。2016 . 不断发展的审查社区中的经验软件项目建议。IEEE数据挖掘国际会议论文集。Subhabrata Mukherjee、Hemank Lamba和Gerhard Weikum。2016.在不断发展的审查社区中推荐经验软件项目。IEEE数据挖掘国际会议论文集。“}，{”key“：”e_1_1_29_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3109859.3109905”}，“key”：“e_2_1_30_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/2600428.2609512“}”，{Janya Poria、Erik Cambria和Alexander Gelbukh，2016年。使用深度卷积神经网络进行观点挖掘的方面提取。基于知识的系统108，C（2016），42-49。内政部：https:\/\/DOI.org\/10.1016\/j.knosys.2016.06.009 Soujanya Poria、Erik Cambria和Alexander Gelbukh。2016.使用深度卷积神经网络进行观点挖掘的方面提取。基于知识的系统108，C（2016），42-49。DOI:https:\/\/DOI.org\/10.1016\/j.knosys.2016.06.009“}，{“key”：“e_1_1_32_1”，“volume-title”：“第28届ACM超文本和社交媒体会议论文集（HT\u201917）”，“author”：“Thiago”，《unstructured》：“Thia go R.P.Prado and Mirella M.Moro.2017。审查针对兴趣点\u2019s所有者的建议。第28届ACM超文本和社交媒体会议记录（HT\u201917）。ACM，纽约州纽约市，295--304。DOI:https:\/\/DOI.org/10.1145\/3078714.3078744蒂亚戈·R·P·普拉多和米雷拉·M·莫罗。2017.审查针对兴趣点所有者的建议。第28届ACM超文本和社交媒体会议记录（HT\u201917）。ACM，纽约州纽约市，295--304。DOI:https:\/\/DOI.org\/10.1145\/3078714.3078744“}，{”key“：”e_1_2_1_33_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1145\/2507157.2507178”}，“key”：“e_1_i_1_34_1”，“volume-title”：“Ameneh Gholipour Shahraki，and Osmar R.Zaiane”，“author”：“Yadollahi Ali”，”year“2017”，“unstructured”：“Ali Yadolahi，Ameneh Gholipour Shahraki和Osmar R。扎亚内。2017 . 从观点到情感挖掘的文本情感分析的现状。ACM计算。Surv公司。第50，2，第25条（2017年5月），33页。内政部：http:\/\/dx.DOI.org/10.1145\/3057270 Ali Yadollahi、Ameneh Gholipour Shahraki和Osmar R.Zaiane。2017.从观点到情感挖掘的文本情感分析现状。ACM计算。Surv公司。第50、2条，第25条（2017年5月），33页。DOI:http://\/dx.DOI.org\/10.1145\/3057270“}，{“key”：“e_1_2_1_35_1”，“volume-title”：“关于意见挖掘和情感分析的调查：任务、方法和应用程序。基于知识的系统89（Nov），“作者”：“Ravi Kumar”，“年份”：“2015”，“非结构化”：“Kumar Ravi和Vadlamani Ravi。2015。关于意见挖掘和情绪分析的调查：任务、方法和应用。基于知识的系统89（2015年11月），14-46。内政部：https:\/\/DOI.org\/10.1016\/j.knosys.2015.06.015 Kumar Ravi和Vadlamani Ravi。2015年，关于意见挖掘和情绪分析的调查：任务、方法和应用。基于知识的系统89（2015年11月），14-46。DOI:https:\/\/DOI.org\/10.1016\/j.knosys.2015.06.015“}，{“key”：“e_1_1_36_1”，“DOI-asserted-by”：“publisher”，”DOI“：”10.5555\/2981562.2981720“}”，{”key“：”e_1_i_1_37_1“，”DOI-assert-by“：”publisher“，ted-by“：”publisher“，”DOI“：”10.1145\/1835804.1835903“}，{”key“：”e_1_2_1_39_1“，“卷标题”：“第42条（2月），“作者”：“王晶晶”，“年份”：“2021年”，“非结构化”：“汪晶晶，蒋文军，李垦利，李克勤。2021。减少动态在线社交网络中增量cp分解的累积误差。ACM《从数据中发现知识的汇刊》15，3，第42条（2021年2月），33页。DOI:https:\/\/DOI.org/10.1145\/3441645王晶晶、蒋文军、李健丽和李克勤。2021。减少动态在线社交网络中增量cp分解的累积错误。ACM《从数据中发现知识的汇刊》15，3，第42条（2021年2月），33页。DOI:https:\/\/DOI.org\/10.1145\/3441645“}，{”key“：”e_1_1_40_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1609\/aaai.v30i1.10160”}，“key”：“e_1_i_1_41_1”，“DOI-assert-by”：“publisher”，”DOI“：”10.1587\/transinf.2017EDP7387“}”，{“：”publisher“，”DOI“：”10.1145\/1835804.1835896“}，{“key”：“e_1_2_1_43_1”，“DOI-asserted-by”：“publisher“，”DOI“：”10.1145\/3134438“}，{“key”：“e_1_2_1_44_1”，“volume-title”：“为个性化推荐建立基于位置的用户评级模型。ACM Transactions on Knowledge Discovery from Data 9，3”，“author”：“尹洪志”，“year”：“2015”，“unstructured”：“殷洪志，崔斌，陈成奇。2015。为个性化推荐建立基于位置的用户评级配置文件模型。ACM《数据知识发现汇刊》9，3（2015），1-41。尹洪志、崔斌和陈承琪。2015.为个性化推荐建立基于位置的用户评级模型。ACM Transactions on Knowledge Discovery from Data 9，3（2015），1-41.“｝，｛“key”：“e_1_2_1_45_1”，“doi断言者”：“publisher”，“doi”：“10.1145\/2699670”｝，｛“key”：“e_1_2_46_1”，“doi断言者”：“publisher”，“doi”：“10.1145\/24840282484030”｝，｛“key”：“e_1_2_47_1”，“doi断言者”：“publisher”，“doi”：“10.1137\/1.9781611973440.52”｝，｛“键”：“e_1_2_1_48_1”，“doi-asserted-by“：”publisher“，”doi“：”10.1145\/3440134“}，{“key”：“e_1_1_49_1”，“doi-assert-by”：“publisher”、“doi”：“10.1109\/JIOT.2018.2842470”}、{“密钥”：“e_1_2_1_50_1”、”doi-assorted-by publisher“，”doi“：”10.1145\/2736277.2741087“}，{“密钥”：“e_1_2_1_52_1”，“卷首“：”季荣文、李晓明“，”作者“：”赵维信“，”年份“：”2016“，”非结构化“：”韦恩信、王金鹏、何玉兰、季荣文和李晓明。2016 . 从在线评论中挖掘产品采纳者信息以改进产品推荐。ACM《数据知识发现汇刊》10，3（2016），1-23。Wayne Xin Zhao、Jinpeng Wang、Yulan He、Ji Rong Wen和Xiaoming Li.2016年。从在线评论中挖掘产品采纳者信息以改进产品推荐。ACM Transactions on Knowledge Discovery from Data 10，3（2016），1--23.“}，{“key”：“e_1_2_1_53_1”，“volume-title”：“Aspect aware learning for Aspect category femority analysis。ACM Translations on Knowledge Discover from Data 13，6”，“author”：“Zhu Peisong”，“year”：“2019”，“unstructured”：“朱培松、陈庄、郑浩杰、钱铁云。2019.面向方面类别情感分析的方面感知学习。ACM《数据知识发现汇刊》13，6（2019），1-21。朱培松、陈庄、郑浩杰、钱铁云。2019.面向方面类别情感分析的方面感知学习。ACM Transactions on Knowledge Discovery from Data 13，6（2019），1--21.“}]，“container-title”：[“ACM Transacts on Knowledge Discountry from Data”]，“原始标题”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3441451”，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“syndication”}，{“URL“：”https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3441451“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,1]]，”date-time“：“2023-01-01T21:33:33Z”，“timestamp”：1672608813000}，“score”：1，“resource”：{“primary”:{“URL”：“https:\\\/dl.acm.org\/doi\/10.1145\/3441451“}}”副标题“：[]，”短标题“：[]，”已发布“：｛”日期部分“：[[2021,4,18]｝，”参考文献数“：53，”期刊期“：｛”期刊期“：“4”，”已出版印刷品“：｛”日期部分“：[[2021,8,31]]｝｝，”替代id“：[”10.1145\/3441451“]，”URL“：”http:\/\/dx.doi.org/10.1145\/3441451“，”relationship“：｛｝，”ISSN“：[”1556-4681“，”1556-472X“]，“ISSN类型”：[｛”value“：”1556-4681“，”type“：”print“｝，｛”value“：”1556-472X“，”type“：”electronic“｝]，”subject“：[]，”published“：｛”日期部分“：[[2021,4,18]]｝，”assertion“：[｛”value“：”2020-02-01“，”order“：0，”name“：”received“，”label“：”received“，”group“：｛”name“：”publication_history“，”label“：”出版历史“｝｝，｛”value“：”2020-12-01“，”order“：1，”name“：”accepted“，”label“：”accepted“，”组“：｛”名称“：”publication_history“，”label“：”publication history“}}，{”value“：”2021-04-18“，”order“：2，”name“：”published“，”标签“：”published“，”group“：