基于User Profile的微博用户推荐

doi:10.3969/j.issn.1006-2475.2017.10.016

计算机与现代化

基于User Profile的微博用户推荐

北京工业大学信息学部,北京100124

收稿日期:2017-01-11 出版日期:2017-10-30 发布日期:2017-10-31
作者简介:蒋宗礼(1956-),男,河南南阳人,北京工业大学信息学部教授,博士生导师,硕士,研究方向:搜索引擎,人工神经网络; 康亚如(1992-),女,山西太原人,硕士研究生,研究方向:网络信息搜索与处理,机器学习。

Micro-blog User Recommendation Based on User Profile

Faculty of Information Technology, Beijing University of Technology, Beijing 100124, China

Received:2017-01-11 Online:2017-10-30 Published:2017-10-31

摘要/Abstract

摘要： 传统微博用户推荐算法采用的数据来源单一，模型简单，导致推荐准确率不高。针对这一问题，本文提出一种基于标签的User Profile推荐算法，根据微博数据的特点，深入研究“微博文本”、“标签”、“社交关系”和“用户自身基本信息”等因素对微博个性化推荐的影响，通过训练LDA主题模型和SVM分类器将它们转换为标签，并赋予权重来描述用户兴趣，进行用户推荐以提高推荐准确性。实验结果表明，与传统VSM模型方法相比，该算法进行用户推荐效果更佳。

关键词: 微博, 标签, User Profile, 用户推荐

Abstract: Using of single data source and the simple model in the traditional micro-blog recommendation results in the low recommendation accuracy. Therefore, a new recommendation algorithm based on labeled User Profile is proposed to overcome such issue. By analyzing the significance and correlation of individual user data, such as text, label, social relationship, and personal information, the algorithm generates new labels and suggests related interests by training LDA model and SVM classifier. The user’s interests are assigned by weighted sum of these factors. The overall recommendation accuracy is improved. The experiments show that the properties of the algorithm are better than the traditional VSM model, allowing users to have a better micro-blog experience.

Key words: micro-blog, label, User Profile, user recommendation

蒋宗礼,康亚如. 基于User Profile的微博用户推荐[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.10.016.

JIANG Zong-li， KANG Ya-ru. Micro-blog User Recommendation Based on User Profile[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.10.016.

参考文献

［1］蒲菁川. 微博用户兴趣建模及其动态性研究［D］. 哈尔滨:哈尔滨工业大学, 2014.

［2］ Hannon J, Bennett M, Smyth B. Recommending Twitter users to follow using content and collaborative filtering approaches［C］// ACM Conference on Recommender Systems, 2010. 2010:199-206.

［3］ Chen Jilin, Nairn R, Nelson L, et al. Short and tweet: Experiments on recommending content from information streams［C］// Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. 2010:1185-1194.

［4］ Liu Zhiyuan, Chen Xinxiong, Sun Maosong. Mining the interests of Chinese microbloggers via keyword extraction［J］. Frontiers of Computer Science, 2012,6(1):76-87.

［5］邹晓辉,孙静. LDA主题模型［J］. 智能计算机与应用, 2014,4(5):105-106.

［6］ Armentano M G, Godoy D L, Amandi A A. A topology-based approach for followees recommendation in Twitter［C］// International Workshop on Intelligent Techniques for Web Personalization & Recommendation. 2011:22-29.

［7］廉捷,周欣,曹伟,等. 新浪微博数据挖掘方案［J］. 清华大学学报(自然科学版), 2011,51(10):1300-1305.

［8］ Xin Mingjun, Wu Hanxiang, Li Weimin, et al. A public opinion classification algorithm based on micro-blog text sentiment intensity: Design and implementation［J］. International Journal of Computer Network & Information Security, 2011,3:48-54.

［9］ Blei D M, Ng A Y, Jordan M I. Latent dirichlet allocation［J］. The Journal of Machine Learning Research, 2003,3:993-1022.

［10］Baesens B, Viaene S, Gestel T V, et al. Least squares support vector machine classifiers: An empirical evaluation［J］. Open Access Publications from Katholieke UniversiteitLeuven, 2000:1-16.

［11］谢毓彬. 面向微博用户的标签自动生成技术研究［D］. 哈尔滨:哈尔滨工业大学, 2012.

［12］ 杜卿. 面向个性化服务的User Profile研究及应用［D］. 广州:华南理工大学, 2014.

［13］王广新. 基于微博的用户兴趣分析与个性化信息推荐［D］. 上海：上海交通大学, 2013.

［14］Zhang Huaping, Yu Hongkui, Xiong Deyi, et al. HHMM-based Chinese lexical analyzer ICTCLAS［C］// Proceedings of the 2nd SIGHAN Workshop on Chinese Language Processing. 2003:758-759.

［15］唐晓波,房小可. 基于隐含狄利克雷分配的微博推荐模型研究［J］. 情报科学, 2015(2):3-8.

［16］Zeng Jianping, Zhang Shiyong, Wu Chengrong. A framework for WWW user activity analysis based on user interest［J］. Knowledge-Based Systems, 2008,21(8):905-910.

［17］Rabiner L R. A tutorial onhidden Markov models and selected applications in speech recognition［J］. Proceedings of the IEEE, 1989,77(2):257-286.

[1]	邱凯星, 冯广. 基于双重特征注意力的多标签图像分类模型[J]. 计算机与现代化, 2023, 0(12): 41-47.
[2]	唐诗琪, 周瑞平, 谢仕斌, 刘梦赤, 肖文, . 基于栈式降噪编码器的跨语言多标签情感分类[J]. 计算机与现代化, 2023, 0(11): 6-12.
[3]	李国鑫, 曲寒冰, 朱成博, 王鑫轩, 胡嘉宝. 基于联合网络的域适应行人重识别算法[J]. 计算机与现代化, 2023, 0(06): 48-55.
[4]	张骁, 吕继宇, 赵爽, 吴羽纶, 王春乐. 基于多卷积神经网络融合的SAR舰船分类[J]. 计算机与现代化, 2023, 0(01): 37-42.
[5]	黄忠祥, 李明. ALBERT结合双向网络的文本分类[J]. 计算机与现代化, 2022, 0(10): 8-12.
[6]	王盼红, 朱昌明. 融合CNN与交互特征的多标签图像分类方法[J]. 计算机与现代化, 2022, 0(09): 85-92.
[7]	卢悦, 曹春萍. 融合用户历史传播信息的微博谣言检测[J]. 计算机与现代化, 2022, 0(06): 37-42.
[8]	文勇军, 何环晶, 唐立军, . 基于LDA的隐式标签协同过滤推荐算法[J]. 计算机与现代化, 2022, 0(03): 53-58.
[9]	陈瀛, 生佳根. 基于LDA和Word2vec的微博标签生成算法[J]. 计算机与现代化, 2021, 0(12): 37-42.
[10]	刘梦颖, 王勇. 基于文本双表示模型的微博热点话题发现[J]. 计算机与现代化, 2021, 0(12): 110-115.
[11]	薛伟莲, 李雪娇, 陈杰. 基于ALOHA分区的多周期防碰撞搜索算法[J]. 计算机与现代化, 2021, 0(11): 95-99.
[12]	李传栋, 邱磊, 于雁. 基于改进残差密集网络的心律失常自动分类[J]. 计算机与现代化, 2021, 0(11): 106-111.
[13]	杨文浩, 刘广聪, 罗可劲. 基于BERT和深层等长卷积的新闻标签分类[J]. 计算机与现代化, 2021, 0(08): 94-99.
[14]	刘斌, 李笑. 基于数字内容偏好的多标签分类应用[J]. 计算机与现代化, 2021, 0(02): 45-50.
[15]	李雯, 文勇军, 唐立军, . 多特征融合的教育资源标签生成算法[J]. 计算机与现代化, 2020, 0(09): 19-24.

基于User Profile的微博用户推荐

Micro-blog User Recommendation Based on User Profile

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价