面向微博用户标签推荐的关系约束主题模型

被引：8

作者：

徐彬 ^{[1
]}

杨丹 ^{[2
]}

张昱 ^{[1
]}

李封 ^{[1
]}

高克宁 ^{[1
]}

机构：

[1] 东北大学计算中心

[2] 东北大学信息科学与工程学院

来源：

计算机科学与探索 | 2014年 / 8卷 / 03期

关键词：

社会化标签; 推荐系统; 主题模型; 社会网络分析;

D O I：

暂无

中图分类号：

TP393.092 []; TP391.3 [检索机];

学科分类号：

080402 ; 081203 ; 0835 ;

摘要：

社会化标签系统允许用户使用个性化的词汇对网络中的资源进行标注而被用户广泛接受。在微博网络中,用户可以为自己加注标签以推广自己或者方便别人找到自己。深入分析了微博用户数据,总结了微博用户标签的特点,针对LDA(latent Dirichlet allocation)主题模型在处理短文本时存在的不足,提出了一种基于好友关系约束主题模型。在此基础上对微博用户标签进行主题分析,计算用户的主题分布,对标签词进行聚类,并最终为用户推荐标签。通过对比实验证明了该方法可以提高标签推荐的准确度。

引用

页码：288 / 295

页数：8

共 5 条

[1] Tag-Aware Recommender Systems:A State-of-the-Art Survey [J].

张子柯 ;

周涛 ;

张翼成 .

JournalofComputerScience&Technology, 2011, 26 (05) :767-777

[2] Combining content and relation analysis for recommendation in social tagging systems [J].

Zhang, Yin ;

Zhang, Bin ;

Gao, Kening ;

Guo, Pengwei ;

Sun, Daming .

PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, 2012, 391 (22) :5759-5768

[3] Personalized Tag Recommendation Using Social Influence [J].

Hu, Jun ;

Wang, Bing ;

Liu, Yu ;

Li, De-Yi .

JOURNAL OF COMPUTER SCIENCE AND TECHNOLOGY, 2012, 27 (03) :527-540

[4]

Personalized topic-based tag recommendation[J] . Ralf Krestel,Peter Fankhauser. Neurocomputing . 2011 (1)

[5]

Personalized recommendation via integrated diffusion on user–item–tag tripartite graphs[J] . Zi-Ke Zhang,Tao Zhou,Yi-Cheng Zhang. Physica A: Statistical Mechanics and its Applications . 2009 (1)

← 1 →