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
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
收藏
页码:138 / 144
页数:7
相关论文
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