-
题名微博个性化标签图形化RTM模型Gibbs采样推荐
被引量：1
- 1
-
-
作者
刘真臻
徐东平
-
机构
武汉理工大学计算机科学与技术学院
-
出处
《微电子学与计算机》
CSCD
北大核心
2017年第12期138-144,共7页
-
文摘
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.
-
关键词
GIBBS采样
微博标签
关系主题模型
top-k算法
-
Keywords
gibbs sampling
micro-blog tags
relational topic model
top-k algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于聚类分析的微博用户标签自动生成
被引量：4
- 2
-
-
作者
吕海燕
张杰
王丽娜
-
机构
海军航空工程学院
-
出处
《电子设计工程》
2015年第7期67-69,73,共4页
-
文摘
基于用户发表的微博内容进行标签的自动生成,主要研究的是基于聚类分析的用户标签自动生成。本文首先介绍用到的关键技术:聚类技术和Text Tank,提出了Baseline系统,接下来详细说明了基于聚类分析的标签自动生成方法,最后通过实验对该方法进行了分析和评价。实验结果表明,该方法生成的用户标签能够有效地解决同义标签的堆积问题,使得生成的标签能够在更多的维度上体现用户的兴趣。
-
关键词
微博用户标签
TEXT
RANK
聚类分析
Baseline系统
-
Keywords
tags for micro-blog users
TextRank
cluster analysis
Baseline system
-
分类号
TN37
[电子电信—物理电子学]
-
-
题名基于转发关系和单词特征的微博话题识别模型
- 3
-
-
作者
钱晨嗣
陈伟鹤
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《信息技术》
2018年第9期44-49,54,共7页
-
基金
江苏省六大人才高峰项目(2014_WLW_012)
江苏省重点研发计划(社会发展)项目(BE2016630)
江苏省重点研发计划(社会发展)项目(BE2015617)
-
文摘
相对一般文本,微博中包含大量的转发关系,传统的文本中挖掘算法不能很好地建模。单词具有情感特征,且微博话题标签更够揭示本中的主要内容。针对以上两点提出基于转发关系和单词特征的主题模型。该模型首先将用户主题模型和转发关系结合,然后根据单词特征求话题权重以新话题列表。实验表明该模型可能取得较好的效果。
-
关键词
微博话题
转发关系
单词特征
情感特征
微博标签
-
Keywords
microblog topic
forward relationship
word features
emotional feature
microblog hashtag
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
