基于k-means文本聚类的新浪微博个性化博文推荐研究

被引：10

作者：

谭晋秀

何跃

机构：

[1] 四川大学商学院

来源：

情报科学 | 2016年 / 04期

关键词：

个性化博文推荐; k-means文本聚类; RS分值排名; 因子分析; 线性回归;

D O I：

10.13833/j.cnki.is.2016.04.016

中图分类号：

TP391.1 [文字信息处理]; G206 [传播理论];

学科分类号：

081203 ; 0835 ; 050302 ;

摘要：

随着社交网络的发展,人们在这个"信息爆炸"的时代,却有了"信息饥渴"的困惑。新浪微博用户目前面临的主要问题有两个:一是若不及时查看微博,则用户想看的有关话题的博文将被排到了最后,很可能被忽略;二是若用户对其中的某一博文所讨论的话题感兴趣,则会想得到更多关于该话题的信息。文章首先使用K-means文本聚类算法提取出用户关注的话题,使用因子分析法进行指标分析,构建用户影响力和博文影响力模型,再通过RS分值排名法和线性回归法确定用于博文影响力和用户影响力的参数值,最后提出了基于K-means文本聚类算法的个性化新浪博文及时推荐模型。通过实验验证,文章提出的方法能很有效地解决个性化博文及时推荐问题。

引用

页码：74 / 79

页数：6

共 25 条

[1] 基于文本分析的微博博文影响力实证研究 [J].