微博个性化标签图形化RTM模型Gibbs采样推荐

被引：1

作者：

刘真臻

徐东平

机构：

[1] 武汉理工大学计算机科学与技术学院

来源：

微电子学与计算机 | 2017年 / 34卷 / 12期

关键词：

Gibbs采样; 微博标签; 关系主题模型; top-k算法;

D O I：

10.19304/j.cnki.issn1000-7180.2017.12.029

中图分类号：

TP391.3 [检索机];

学科分类号：

080201 [机械制造及其自动化];

摘要：

为提高个性化标签推荐方法性能,提出基于Gibbs采样推理的微博个性化标签隐含关系主题模型(Relation Topic Model,RTM)推荐算法.首先,利用图形化形式对微博中的潜在局部信息进行表达,对用户主题分布为代表的用户进行top-k相似用户发现,然后计算出现在这些用户中的所有标签的频率,并推荐与用户最相关的标签.其次,为挖掘潜在主题信息,利用带惩罚项的增强型余弦相似度RTM模型对微博标签进行命名,大大提高联合建模对潜在主题生成标签的影响,并可发现全局标签和主题之间的关系;最后,通过真实的实验结果显示,所提推荐方法要优于选取的TF-IDF、RTMSA等几种经典标签推荐算法,验证了算法有效性.

引用

页码：138 / 144

页数：7

共 6 条

[1]

基于MB-HDP模型的微博主题挖掘 [J].

刘少鹏 ;

印鉴 ;

欧阳佳 ;

黄云 ;

杨晓颖 .

计算机学报, 2015, 38 (07) :1408-1419

[2]

微博中用户标签的研究 [J].

邢千里 ;

刘列 ;

刘奕群 ;

张敏 ;

马少平 .

软件学报, 2015, 26 (07) :1626-1637

[3]

基于文本相似度的微博网络水军发现算法 [J].

杨长春 ;

徐小松 ;

叶施仁 ;

周猛 .

微电子学与计算机, 2014, 31 (03) :82-85

[4]

Dynamic evolution of collective emotions in social networks: a case study of Sina weibo.[J].XIONG XiaoBing;ZHOU Gang;HUANG YongZhong;CHEN HaiYong;XU Ke;.Science China(Information Sciences).2013, 07

[5]

Software Tools and Techniques for Big Data Computing in Healthcare Clouds.[J].Lizhe Wang.Future Generation Computer Systems.2015,

[6]

Micro-blog in China: identify influential users and automatically classify posts on Sina micro-blog [J].

Wu, Xinmiao ;

Wang, Jianmin .

JOURNAL OF AMBIENT INTELLIGENCE AND HUMANIZED COMPUTING, 2014, 5 (01) :51-63

← 1 →