题名 基于背景和内容的微博用户兴趣挖掘
被引量：27
1
作者
仲兆满 管燕 胡云 李存华
机构
淮海工学院计算机工程学院 江苏金鸽网络科技有限公司软件研发中心
出处
《软件学报》
EI
CSCD
北大核心
2017年第2期278-291,共14页
基金
国家自然科学基金(61403156) 江苏省科技厅产学研前瞻性联合研究基金(BY2015048-02)~~
文摘
微博用户兴趣挖掘是个性化推荐、社群划分的基础工作.在深入分析微博网络特点的基础上,给出了能够揭示微博网络多模性的描述模型,对面向微博网络的后续研究具有参考价值.根据微博网络的特点,提出了基于背景的用户静态兴趣表示及挖掘方法,以及基于微博的用户动态兴趣表示和挖掘方法.针对微博网络中缺少背景信息、发表微博很少的大量不活跃用户,提出了基于关注的用户兴趣挖掘方法.以新浪微博为例,选取了时尚、企业管理、教育、军事、文化这5个领域进行用户兴趣挖掘及相似度计算的实验分析和比较,结果表明,与主流的兴趣挖掘方法相比,该微博用户兴趣的表示和挖掘方法可以有效地改善微博用户兴趣挖掘的效果.
关键词
微博网络 用户 兴趣 表示用户 静态兴趣 用户 动态兴趣 用户兴趣挖掘 用户 兴趣 相似度计算
Keywords
microblog network user interest representation user static interest user dynamic interest user interest mining user interest similarity calculation
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 社交网络用户兴趣挖掘研究
被引量：10
2
作者
何炎祥 刘续乐 陈强 梁伟 孙松涛
机构
武汉大学计算机学院 武汉大学软件国家重点实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2014年第11期2385-2389,共5页
基金
国家自然科学基金项目(61070083 61303115)资助
文摘
面向消费者的公司或者企业都希望了解他们用户的需求,而大量的用户产生的数据在很大程度上就体现了用户的兴趣和需求.提出一种用于社交网站上,针对用户生成内容(User Generate Content UGC)和用户关注信息的用户兴趣发掘方法.首先通过启发式初始化的PLSA模型训练得到贴近兴趣类别的话题模型,然后从训练结果中抽取可靠的话题并以此构建分类器,对用户的分享数据进行分类,最后根据用户的分享数据分类结果来识别用户的兴趣类别.在初始化PLSA模型时,用关键词抽取算法抽取每个分类的关键词,并给这些关键词赋予较高的PLSA初始权重,以此来引导PLSA模型的训练.实验的结果表明:本文方法可以有效的构建用户兴趣类别,并对用户兴趣的挖掘比较理想.
关键词
用户兴趣挖掘 社交网络 关键词抽取 概率潜在语义分析 话题模型
Keywords
user interest mining SNS key phrase extraction PLSA topic model
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于文本聚类与兴趣衰减的微博用户兴趣挖掘方法
被引量：15
3
作者
秦永彬 孙玉洁 魏笑
机构
贵州大学计算机科学与技术学院 贵州大学贵州省公共大数据重点实验室
出处
《计算机应用研究》
CSCD
北大核心
2019年第5期1469-1473,共5页
基金
国家自然科学基金重大研究计划项目(91746116) 贵州省科技重大专项计划项目(黔科合重大专项字[2017]3002)
文摘
结合用户兴趣与微博信息的特点,提出了一种文本聚类与兴趣衰减的微博用户兴趣挖掘(TCID-MUIM)方法。首先通过基于词林的同义词合并策略弥补建模时词频信息不足的弊端;然后利用二次single-pass不完全聚类算法将用户微博划分为多个簇,将簇合并为同一文档以弥补微博文本短小难以挖掘主题信息的问题;最后通过LDA模型建模,并考虑用户兴趣随时间变化的问题,引入时间因子,将微博—主题矩阵压缩为用户—主题矩阵,获取用户兴趣。实验表明,较之传统建模方法与合并用户历史微博为同一文档的建模方法,TCID-MUIM方法挖掘的用户兴趣主题具有更好的主题区分度,且更贴合用户的真实兴趣偏好。
关键词
微博 single-pass聚类 LDA模型 用户兴趣挖掘 兴趣 衰减
Keywords
microblog single-pass clustering LDA model user interest mining interest decay
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
TP391
[自动化与计算机技术—计算机应用技术]
题名 个性化服务中基于支持向量机的用户兴趣挖掘分析
被引量：7
4
作者
胡昌平 胡吉明
机构
武汉大学信息资源研究中心
出处
《情报学报》
CSSCI
北大核心
2009年第4期543-547,共5页
基金
教育部人文社会科学重点研究基地重大项目“网络环境下数字化信息服务研究”（编号：06JJD870006）的成果之一
文摘
用户兴趣的准确获取是保证个性化服务质量的关键;分析用户所浏览的网页集,捕获用户兴趣、建立用户兴趣挖掘模型是目前个性化服务研究的一个重要方向。本文首先比较支持向量机与其他分类算法的性能,分析了基于支持向量机进行用户兴趣挖掘的可行性;然后在介绍支持向量机分类原理和分析分类预测理论模型的基础上构建了用户兴趣挖掘模型;最后选取中文网页分类训练集和特定用户的网页浏览记录,主要从支持向量机分类器的构造和用户兴趣预测两个方面进行了模型的实现研究。
关键词
支持向量机 用户兴趣挖掘 模型分类
Keywords
support vector machine users＇ interests mining model classification
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP393.092
[自动化与计算机技术—计算机应用技术]
题名 一种基于社区结构的用户兴趣关联规则发现方法
被引量：5
5
作者
邓智龙 张海粟 黄立威
机构
解放军理工大学指挥自动化学院 国防信息学院二系
出处
《计算机应用研究》
CSCD
北大核心
2012年第5期1799-1801,共3页
基金
国家自然科学基金资助项目(61035004)
文摘
提出一种基于用户社区结构的用户兴趣关联规则发现方法,通过对用户按照兴趣进行社区划分,挖掘社区群体的共同兴趣,高效地发现兴趣之间的关联规则。对兴趣关联规则的特点进行了研究,分析发现有效关联规则均产生于社区内部的兴趣之间,不同社区之间的兴趣关联较少。
关键词
用户兴趣挖掘 社区结构 关联规则挖掘 维基百科
Keywords
user interest mining community structure association rules mining Wikipedia
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于Nave Bayes算法的雷达情报分发技术
被引量：7
6
作者
余苗 杨瑞娟 程红斌 罗菁
机构
解放军 空军预警学院四系
出处
《现代雷达》
CSCD
北大核心
2014年第7期46-50,53,共6页
文摘
为了提高情报分发的效率,解决雷达组网上信息过载的问题,提出了一种基于朴素贝叶斯分类算法的雷达情报按需分发技术。利用层次向量空间构建用户兴趣空间,对情报用户的历史情报和定制信息,通过朴素贝叶斯分类算法挖掘用户兴趣,建立用户兴趣模型;通过实时情报与用户兴趣模型的匹配,将情报用户感兴趣的情报推送给用户,过滤其不感兴趣的情报,从而实现雷达情报的按需分发。仿真实验将该技术与基于TF-IDF分类算法的情报分发技术做了准确率与覆盖率的对比实验,结果表明,该方法的准确率优于利用TF-IDF分类算法的情报分发技术,能够较好地实现雷达情报的按需分发。
关键词
情报按需分发 层次向量空间模型 用户兴趣挖掘 朴素贝叶斯
Keywords
radar data distribution on demands hierarchical vector space model user interest mining Naive Bayes
分类号
TN95
[电子电信—信号与信息处理]
题名 多异构社交网络的全局建模及应用例证
7
作者
王艺霖 仲兆满 樊继冬 管燕
机构
江苏海洋大学海洋科学与水产学院 江苏海洋大学计算机工程学院 江苏省海洋资源开发研究院(连云港)
出处
《数据采集与处理》
CSCD
北大核心
2020年第6期1134-1146,共13页
基金
国家自然科学基金(61403156)资助项目 江苏省高校自然科学研究基金(19KJB52004)资助项目 连云港高新区科技计划(ZD201912)资助项目。
文摘
给出了面向多异构社交网络(Multi⁃heterogeneous social network,MHSN)的全局表示模型,建立了MHSN用户空间及内容空间的关联模型,为基于MHSN的后续研究提供借鉴。以MHSN的地域突发事件检测为例,论述了基于内容空间的MHSN的融合方法,并以微博和贴吧进行了数据采集和突发事件检测的实验分析;以MHSN的用户兴趣挖掘为例,论述了基于用户空间的MHSN的融合方法,并以微博和贴吧进行了数据采集和用户兴趣挖掘的实验分析。结果表明,本文所提的面向MHSN的突发事件融合检测及用户兴趣融合挖掘方法可以有效地改善突发事件检测和用户兴趣挖掘的效果。
关键词
多异构社交网络 内容空间关联 用户 空间关联突发事件融合检测 用户 兴趣 融合挖掘
Keywords
multi-heterogeneous social network content space aligning user space aligning emergency integration detection user interest integration mining
分类号
TP391
[自动化与计算机技术—计算机应用技术]
