基于主题增强卷积神经网络的用户兴趣识别

被引：8

作者：

杜雨萌

张伟男

刘挺

机构：

[1] 哈尔滨工业大学社会计算与信息检索研究中心

来源：

计算机研究与发展 | 2018年 / 55卷 / 01期

关键词：

主题模型; 卷积神经网络; 微博分类; 用户兴趣识别; 微博;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.1 [文字信息处理];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081203 ;

摘要：

提出了一种基于主题增强卷积神经网络的用户兴趣识别的方法,通过构造一个双通道CNN模型,融合连续语义信息和离散主题信息,获取用户微博类别分布,在此基础上,通过极大似然估计识别用户的兴趣.实验结果表明,相较于基于Labeled LDA主题模型的方法和传统卷积神经网络的方法,提出的主题增强卷积神经网络缓解了噪声词对用户兴趣词的影响,并且通过融入主题信息提高了对于包含噪声词较多的微博的分类效果,在微博分类及用户兴趣识别上的效果获得了显著的提升.

引用

页码：188 / 197

页数：10

共 4 条

[1] 基于微博分类的用户兴趣识别 [J].

宋巍 ;

张宇 ;

谢毓彬 ;

刘挺 ;

李生 ;

都云程 .

智能计算机与应用, 2013, 3 (04) :80-83

[2] Infer User Interests via Link Structure Regularization [J].

Wang, Jinpeng ;

Zhao, Wayne Xin ;

He, Yulan ;

Li, Xiaoming .

ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY, 2014, 5 (02)

[3]

LikeMiner:A system for mining the power of''like''in social media networks .2 Jin Xin,Wang Chi,Luo Jiebo,et al. Proc of ACM SIGKDD Int Conf on Knowledge Discovery and Data Mining . 2012

[4]

Labeled LDA: A Supervised TopicModel for Credit Attribution in Multi-Labeled Corpora .2 Ramage D,Hall D,Nallapati R,et al. Proceedings ofthe2009Conference on Empirical Methods in Natural Language Processing . 2009

← 1 →