一种基于标签关联关系的微博推荐方法

doi:10.3969/j.issn.1000-3428.2016.04.035

计算机工程

一种基于标签关联关系的微博推荐方法

马慧芳,贾美惠子,李晓红,鲁小勇

(西北师范大学计算机科学与工程学院,兰州 730070)

收稿日期:2015-03-19 出版日期:2016-04-15 发布日期:2016-04-15
作者简介:马慧芳(1981-),女,副教授、博士,主研方向为人工智能、数据挖掘、机器学习;贾美惠子,硕士研究生;李晓红,讲师;鲁小勇,讲师、博士研究生。
基金项目:
国家自然科学基金资助项目(61163039,61363058);甘肃省青年科技基金资助项目(145RJYA259);甘肃省自然科学研究基金资助项目(145RJZA232);西北师范大学2013年度青年教师科研能力提升计划基金资助项目(NWNU-LKQN-12-23);中国科学院计算技术研究所智能信息处理重点实验室开放基金资助项目(IIP2014-4)。

A Microblog Recommendation Method Based on Label Correlation Relationship

MA Huifang,JIA Meihuizi,LI Xiaohong,LU Xiaoyong

(College of Computer Science and Engineering,Northwest Normal University,Lanzhou 730070,China)

Received:2015-03-19 Online:2016-04-15 Published:2016-04-15

摘要/Abstract

摘要： 通过分析微博特点及现有微博推荐发现算法的缺陷,提出一种新的微博推荐方法。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-标签权重并利用标签信息表征用户兴趣。为解决该矩阵中高维稀疏的问题,通过挖掘标签间的关联关系,继而更新用户-标签矩阵,获得最终的用户兴趣并进行相关推荐。实验结果表明,与忽略标签间关系的微博推荐方法相比,该推荐方法能够更有效地进行微博推荐。

Abstract: A microblog recommendation method based on label correlation relationship is presented via analyzing mircoblog features and the deficiencies of existing microblog recommendation finding algorithms.Label retrieval strategy is adopted to add label for unlabeled users and users with small number of labels,and the user-label matrix is built and user-label weights are obtained.The label information is used to represent user interests.In order to solve the problem of high-dimension sparsity of the matrix,the correlation relationship between the labels is investigated to update the user-label matrix so as to get the final user interests.Experimental results show that compared with unlabeled microblog recommendation algorithm,the presented recommendation method is more effective in microblog information recommendation.

Key words: microblog recommendation, label retrieval, user-label matrix, user-label weight, label correlation relationship

中图分类号:

TP391

马慧芳,贾美惠子,李晓红,鲁小勇. 一种基于标签关联关系的微博推荐方法[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2016.04.035.

MA Huifang,JIA Meihuizi,LI Xiaohong,LU Xiaoyong. A Microblog Recommendation Method Based on Label Correlation Relationship [J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2016.04.035.

参考文献

参考文献［1］Liu Wenyin,Quan Xiaojun,Feng Min,et al.A Short Text Modeling Method Combining Semantic and Statistical Information［J］.Information Sciences,2010,180(20):4031-4041. ［2］Tang Jiliang,Wang Xuefei,Gao Huiji,et al.Enriching Short Text Representation in Microblog for Cluster-ing［J］.Frontiers of Computer Science,2012,6(1):88-101. ［3］Sun A.Short Text Classification Using Very Few Words［C］//Proceedings of the 35th International ACM SIGIR Conference on Research and Development in Information Retrieval.Portland,USA:ACM Press,2012:1145-1146. ［4］尚书杰,王灿,朱俊彦.一种基于标签的网页摘要方法［J］.计算机工程,2010,36(21):260-262. (下转第208页) (上接第201页) ［5］Li Xin,Guo Lei,Zhao Yihong.Tag-based Social Interest Discovery［C］//Proceedings of the 17th International Conference on World Wide Web.New York,USA:ACM Press,2008:675-684. ［6］Yamaguchi Y,Amagasa T,Kitagawa H.Tag-based User Topic Discovery Using Twitter Lists［C］//Proceedings of ASONAM’11.Kaohsiung,China:［s.n.］,2011:13-20. ［7］Chen Jilin,Nairn R,Nelson L,et al.Short and Tweet:Experiments on Recommending Content from Info-rmation Streams［C］//Proceedings of SIGCHI Con-ference on Human Factors in Computing Systems.New York,USA:ACM Press,2010:1185-1194. ［8］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. ［9］Wu Wei,Zhang Bin,Ostendorf M.Automatic Generation of Personalized Annotation Tags for Twitter Users［C］//Proceedings of 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics.Stroudsburg,USA:Association for Com-putational Linguistics,2010:689-692. ［10］Zhou Xianke,Wu Sai,Chen Chun,et al.Real-time Recommendation for Microblogs［J］.Information Sciences,2014,279(1):301-325. ［11］孙曰昕,马慧芳,师亚凯.融合词语关联关系的自适应微博热点话题追踪算法［J］.计算机应用,2014,34(12):3497-3501. ［12］Phan X H,Nguyen L M,Horiguchi S.Learning to Classify Short and Sparse Text & Web with Hidden Topics from Large-scale Data Collections［C］//Proceedings of the 17th International conference on World Wide Web.New York,USA:ACM Press,2008:91-100. 编辑索书志

[1]	段丹丹, 唐加山, 温勇, 袁克海. 基于BERT模型的中文短文本分类算法[J]. 计算机工程, 2021, 47(1): 79-86.
[2]	吕江海, 杜军平, 周南, 薛哲. 基于膨胀卷积迭代与注意力机制的实体名识别方法[J]. 计算机工程, 2021, 47(1): 58-65,71.
[3]	蒋楚, 王永杰. 一种基于表达式树的gadget语义分析技术[J]. 计算机工程, 2021, 47(1): 109-116.
[4]	单朋荣, 杨美红, 赵志刚, 李志鹏, 杨丽娜. 基于Kubernetes云平台的弹性伸缩方案设计与实现[J]. 计算机工程, 2021, 47(1): 312-320.
[5]	何向栋, 孙靖国, 陈长胜, 王建宇, 贾世伟. SAE AS6802协议研究及模块化仿真平台设计[J]. 计算机工程, 2021, 47(1): 203-209.
[6]	韩虎, 赵启涛, 孙天岳, 刘国利. 面向社交媒体评论的上下文语境讽刺检测模型[J]. 计算机工程, 2021, 47(1): 66-71.
[7]	王烁, 谷正气, 韩征彤, 马晓骙. 基于改进离散差分进化算法的桁架优化[J]. 计算机工程, 2021, 47(1): 275-283.
[8]	余恒, 王让定, 严迪群, 张雪垣. 基于采样值排序的音频可逆隐写算法[J]. 计算机工程, 2021, 47(1): 123-128,138.
[9]	陈文杰. 一种融合主题特征的自适应知识表示方法[J]. 计算机工程, 2021, 47(1): 87-93,100.
[10]	雷蕾, 郭东恩, 靳峰. 基于谱归一化条件生成对抗网络的图像修复算法[J]. 计算机工程, 2021, 47(1): 230-238.
[11]	郝华颖, 赵昆, 苏攀, 张辉, 赵一天, 刘江. 一种基于改进ResU-Net的角膜神经分割算法[J]. 计算机工程, 2021, 47(1): 217-223.
[12]	徐龙壮, 彭力, 朱凤增. 多任务金字塔重叠匹配的行人重识别方法[J]. 计算机工程, 2021, 47(1): 239-245,254.
[13]	陆荣秀, 何权恒, 杨辉, 朱建勇. 基于GA-ELM的稀土混合溶液多组分含量预测[J]. 计算机工程, 2021, 47(1): 284-290,297.
[14]	丁辰晖, 夏鸿斌, 刘渊. 融合知识图谱与注意力机制的短文本分类模型[J]. 计算机工程, 2021, 47(1): 94-100.
[15]	李世宝, 李贺, 赵庆帅, 殷乐乐, 刘建航, 黄庭培. 融合外部语义知识的中文文本蕴含识别[J]. 计算机工程, 2021, 47(1): 44-49.

一种基于标签关联关系的微博推荐方法

A Microblog Recommendation Method Based on Label Correlation Relationship

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10