推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

融合标签关联关系与用户社交关系的微博推荐方法

更新时间:2019-12-24 03:27:29 大小:2M 上传用户:zhiyao6查看TA发布的资源 标签:融合标签关联 下载积分:1分 评价赚积分 (如何评价?) 收藏 评论(0) 举报

资料介绍

通过分析微博特点及现有微博推荐算法的缺陷,提出一种融合了标签间关联关系与用户间社交关系的微博推荐方法.采用标签检索策略对未加标签和标签较少的用户进行加标,构建用户-标签矩阵,得到用户标签权重,为了解决该矩阵中稀疏的问题,通过挖掘标签间的关联关系,继而更新用户-标签矩阵.考虑到多用户之间社交关系对挖掘用户兴趣并进行微博推荐的重要性,构建用户-用户社交关系相似度矩阵,并与更新后的用户-标签矩阵进行迭代,得到最终的用户兴趣并进行相关推荐.实验证明了该算法针对微博信息推荐是有效的.


部分文件列表

文件名 大小
融合标签关联关系与用户社交关系的微博推荐方法.pdf 2M

部分页面预览

(完整内容请下载后查看)
1
Vol. 45 No. 1  
Jan. 2017  
2017  
1
ACTA ELECTRONICA SINICA  
融合系与用系的  
推荐方法  
, , ,  
马慧芳 贾美惠子 迪 蔺想红  
(
西大学计算机科学与甘肃兰州  
730070)  
:
现有推荐算法提出一种融合了系与用户间系的  
- ,  
推荐方法 采检索策略未加的用进行构建矩阵 得到重  
, , - .  
矩阵稀疏问题 挖掘而更矩阵 考虑对  
- -  
挖掘并进行推荐的重性 构建矩阵 的用矩阵进行迭  
.  
代 得到的用并进行推荐 实验证明了该算法信息推荐的  
:
; ; - ; ; ; -  
推荐 检索 矩阵 系 用度  
关键词  
矩阵  
:
TP393. 092  
:
A
: 0372-2112 ( 2017) 01-0112-07  
DOI: 10. 3969 /j. issn. 0372-2112. 2017. 01. 016  
中图分类号  
电子学报  
文献标识码  
文章编号  
URL: http: / /www. ejournal. org. cn  
Microblog Recommendation Based on Tag Correlation and  
User Social Relation  
MA Hui-fangJIA Mei-hui-ziZHANG DiLIN Xiang-hong  
( College of Computer Science and EngineeringNorthwest Normal UniversityLanzhouGansu 730070China)  
Abstract: A novel microblog recommendation method combining the tag correlation with the user social relation is  
proposed via analyzing microblog features and the deficiencies of existing microblog recommendation algorithm. Specifical-  
lywe establish a tag retrieval strategy to add tags for unlabeled users and users with few tagsand then build the user-tag  
matrix and obtain user-tag weights. In order to solve the problem of sparsity of the matrixwe investigate the correlation be-  
tween the tags to update the user-tag matrix. Considering the significance of user social relation for microblog recommenda-  
tiona user-user social relation similarity matrix is constructed and a mechanism is designed to iteratively obtain user inter-  
est. Experimental results show that the algorithm is effective in microblog recommendation.  
Key words: microblog recommendation; tag retrieval; user-tag matrix; user-tag weight; tag correlation; user-user so-  
cial relation similarity matrix  
研究文本特征 丰富角度出发  
1
引言  
进行文本示 主方法使据库进行语  
1]  
Web2. 0  
技术 线网络技术信  
4G  
随着  
研究对文本特征向量进行利  
义扩充  
极少趣  
描述身特征描述兴  
2]  
.  
技术的发展 网络此平  
中的是  
户提供个化的服务 出高质容  
准确的发现用实现这  
,  
有重的研究中 有  
3]  
,  
服务此前提下 的用推  
工作考虑使信息趣  
45]  
, ,  
算法稀疏多  
人采户  
推荐研究  
: 2015-06-02;  
: 2016-01-25;  
:
责任编辑 孙瑶  
收稿日期  
修回日期  
:
基金 项 目 国 家 自 然 科 学 基 金  
( No. 61163039No. 61363058 ) ;  
( No. 145RJYA259 ) ;  
( No.  
甘 肃 自 然 科 学 基 金  
甘 肃 科 技 年 基 金  
1506RJZA127) ;  
( No. IIP2014 - 4)  
中科智能信息处理重点实验室  
113  
1
:
融合系与用系的推荐方法  
67]  
1
签检号的定义  
义  
进行户集合  
数  
趣  
有 研 究 挖 掘 进 行 推  
89]  
但并定的关  
号  
U = { u u u u }  
将标系与用户间融合表  
1
2
i
N
进行推荐  
N
本文提出了一种融合了系与用户间  
D = { d d d  
i2  
}
u
集合  
i
i
i1  
iM  
i
系的推荐方法 对少  
M i = ( 12N)  
i
u
数  
i
, ,  
的用检索策略而构建用  
N
D =  
D
i
有用集合  
- , ,  
矩阵 得到初始考虑签  
i = 1  
T = { t t t }  
im  
i
D
集合  
中的集  
i
i1 i2  
i
挖掘一用多标的  
m m << M  
i
系与多标构  
数  
i
i
L = { l l l }  
in  
i
-  
建合理多标矩阵 矩阵进行  
u
集合  
i
i
i1 i2  
, ,  
考虑与用信息构建  
n
u
数  
i
i
N
合理的用户间矩阵 的用  
L =  
L
i
集合  
i = 1  
- .  
矩阵进行代 得到的用重 与忽  
n
L
集合 数  
与用户间系的推荐算法对比 本文提出  
. 1  
推荐方法够更效地进行推荐 算  
检索的部分是户  
11]  
程序流程主要由标系与用系  
取具为  
, ,  
分组成 该算法信息博  
选择应基于以下两  
推荐列  
: ;  
点 一布微是  
.  
性 即该应能示特定的者  
TF( Term Frequency) TF-  
-
频  
频 逆率  
权  
查询关  
clarity  
IDF( Term Frequency-Inverse Document Frequency)  
12]  
clarity  
用清度  
策略  
查询关的  
KL( Kullback-Leibler)  
分是查  
模型与选择模型的  
离 前与一定的查询关匹配的一  
u . j  
列微集合 个查询关词  
i
l
l ,  
为所选择候选查询关查  
ij  
ij  
g ,  
询检索为  
i
Q . ( 1)  
定  
lij  
l
Clarity  
分  
查询关词  
ij  
'
P( l | Q )  
lij  
ij  
'
Clarity( l )  
ij  
=
P( l | Q ) log  
lij  
( 1)  
ij  
'
'
P( l | D )  
i
ij  
lij  
L
i
l
够代定的那么  
ij  
l ,  
匹配集合现  
ij  
量较示  
2
签获关系  
u
j
分  
户  
i
2. 1  
 
:
下  
于用以  
s = tf × clarity( l )  
ij  
( 2)  
j
j
检索两取 且表  
n
重的查询关户  
i
u
i
10]  
身设较多 不需  
示为趣  
个标初始重的一化如式  
( 3)  
:
所示  
;
进行身设少或用  
s
j
normalized( s ) =  
j
( 3)  
ni  
身设需对进行取  
2. 1. 1  
签  
s
x
签检  
x
= 1  
2. 1. 2  
矩阵  
u
户 构个标向量  
i
V = ( w w ,  
i1  
1  
检索策略 检索  
i
i2  
13]  
w )  
in  
重  
阶段各的定义  

全部评论(0)

暂无评论