基于微博短文本的用户兴趣建模方法

doi:10.3969/j.issn.1000-3428.2014.02.060

计算机工程

基于微博短文本的用户兴趣建模方法

邱云飞¹，王琳颍¹，邵良杉²，郭红梅³

(1. 辽宁工程技术大学软件学院，辽宁葫芦岛 125100；2. 辽宁工程技术大学系统工程研究所，辽宁阜新 123000；3. 阜新市实验高中，辽宁阜新 123000)

收稿日期:2013-01-05 出版日期:2014-02-15 发布日期:2014-02-13
作者简介:邱云飞(1976－)，男，教授、博士，主研方向：数据挖掘；王琳颍，硕士研究生；邵良杉，教授、博士生导师；郭红梅，硕士
基金项目:
国家自然科学基金资助项目(70971059)；辽宁省创新团队基金资助项目(2009T045)；辽宁省高等学校杰出青年学者成长计划基金资助项目(JQ2012027)

User Interest Modeling Approach Based on Short Text of Micro-blog

QIU Yun-fei¹, WANG Lin-ying¹, SHAO Liang-shan², GUO Hong-mei ³

(1. School of Software, Liaoning Technical University, Huludao 125100, China; 2. System Engineering Institute, Liaoning Technical University, Fuxin 123000, China; 3. Experimental High School of Fuxin, Fuxin 123000, China)

Received:2013-01-05 Online:2014-02-15 Published:2014-02-13

摘要/Abstract

摘要： 针对微博用户兴趣建模问题，提出一种在微博短文本数据集上建立用户兴趣模型的方法。为缓解短文本造成的数据稀疏性问题，在分析微博短文本结构和内容的基础上，给出微博短文本重构概念，根据微博相关的其他微博短文本和文本中包含的 3种特殊符号，进行文本内容的扩展，从而扩充原始微博的特征信息。利用HowNet2000概念词典将重构后文本的特征词集映射到概念集。以抽象到概念层的文本向量为基础进行聚类，划分用户的兴趣集合，并给出用户兴趣模型的表示机制。实验结果表明，短文本重构和概念映射提高了聚类效果，与基于协同过滤的微博用户兴趣建模方法相比，平衡均值提高29.1%，表明构建的微博用户兴趣模型具有较好的性能。

关键词: 微博, 短文本重构, 概念映射, 短文本聚类, 用户兴趣模型

Abstract: In this paper, a method on modeling user’s interests based on short text of micro-blog is presented. In order to overcome the lack of information in short text, on the base of analyzing the structure and content of micro-blog short text, this paper proposes an approach on micro-blog short text reconstruction, and namely, according to the other related and the three kinds of special symbols of the text, extends the content, thereby extending the characteristic information of original micro-blog. It takes advantage of HowNet2000 concept dictionary to map the feature set of reconstruction text to a set of concepts. It clusters the set of concepts to divide user’s interests, and meanwhile, a representation mechanism of user interest model is presented. Experimental results show that the short text reconstruction and concept mapping can improve the effect of clustering. Compared with the modeling based on collaborative filtering, F-Measure value is increased by 29.1%. This means the proposed micro-blog user’s interest modeling has a better performance.

Key words: micro-blog, short-text reconstruction, concept mapping, short-text clustering, user interest model

中图分类号:

TP393

邱云飞，王琳颍，邵良杉，郭红梅. 基于微博短文本的用户兴趣建模方法[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2014.02.060.

QIU Yun-fei, WANG Lin-ying, SHAO Liang-shan, GUO Hong-mei. User Interest Modeling Approach Based on Short Text of Micro-blog[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2014.02.060.

参考文献

参考文献 [1] 廖君, 李鹏翔. 我国微博客用户已超3亿[EB/OL]. (2012- 06-03). http://it.sohu.com/20111121/n326386853.shtml. [2] 林霜梅, 汪更生, 陈奕秋. 个性化推荐系统中的用户建模及特征选择[J]. 计算机工程, 2007, 33(17): 202-204. [3] Bollegala D, Matsuo Y, Ishizuka M. Measuring Semantic Similarity Between Words Using Web Search Engines[C]// Proc. of the 16th International Conference on World Wide Web. Banff, Canada: [s. n.], 2007. [4] Sahami M, Heilman T D. A Web-based Kernel Function for Measuring the Similarity of Short Text Snippets[C]//Proc. of the 15th International Conference on World Wide Web. Edinburgh, UK: [s. n.], 2006. [5] Hotho A, Staab S, Stumme G. Ontologies Improve Text Document Clustering[C]//Proc. of the 3rd IEEE International Conference on Data Mining. [S. l.]: IEEE Press, 2003. [6] 刘群, 李素建. 基于《知网》的词汇语义相似度的计算[C]//第三届汉语词汇语义学研讨会论文集. 台北, 中国: [出版者不详], 2002. [7] Blei D M, Ng A Y. Latent Dirichlet Allocation[J]. Journal of Machine Learning Research, 2003, 3(4/5): 993-1022. [8] Hofmann T. Probabilistic Latent Semantic Analysis[C]//Proc. of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. Berkeley, USA: [s. n.], 1999. [9] 孙威. 微博用户兴趣挖掘与建模研究[D]. 大连: 大连理工大学, 2012. [10] 彭京, 杨冬青. 一种基于语义内积空间模型的文本聚类算法[J]. 计算机学报, 2007, 30(8): 1354-1363. [11] 许欢庆, 王永成. 基于加权概念网络的用户兴趣建模[J]. 上海交通大学学报, 2004, 38(1): 34-38. [12] 李聪, 梁昌勇, 马丽. 基于领域最近邻的协同过滤推荐算法[J]. 计算机研究与发展, 2008, 45(9): 1532-1538. [13] 赵岩露, 王晶, 沈奇威. 基于特征分析的微博用户兴趣发现算法[J]. 电气工程技术与标准化, 2012, 25(11): 87-91. 编辑顾逸斐

[1]	李妍慧, 郑超美, 王炜立, 杨昕. 一种混合语种文本的多维度多情感分析方法[J]. 计算机工程, 2020, 46(12): 113-119,141.
[2]	黄贤英, 阳安志, 刘小洋, 刘广峰. 一种改进的微博用户影响力评估算法[J]. 计算机工程, 2019, 45(12): 294-299.
[3]	周福星, 陈秀真, 马进, 李生红. 一种融合标签语义的微博热点话题挖掘方法[J]. 计算机工程, 2019, 45(10): 283-287.
[4]	李志欣,兰丹媚,张灿龙,唐素勤. 基于Co-Training的微博垃圾评论识别方法[J]. 计算机工程, 2018, 44(7): 212-218.
[5]	高永兵,杨利莹,胡文江,马占飞. 基于HDP模型的领域微博主题演化研究 [J]. 计算机工程, 2018, 44(2): 1-8.
[6]	肖宝,李璞,胡娇娇,蒋运承. 基于潜在语义与图结构的微博语义检索[J]. 计算机工程, 2017, 43(6): 182-188,194.
[7]	刁劼庭,傅秀芬. 微博谣言免疫策略的研究[J]. 计算机工程, 2017, 43(5): 294-298.
[8]	段旭磊,张仰森,孙祎卓. 微博文本的句向量表示及相似度计算方法研究[J]. 计算机工程, 2017, 43(5): 143-148.
[9]	孙玉洁,秦永彬. 基于LDA模型的多角度个性化微博推荐算法[J]. 计算机工程, 2017, 43(4): 177-182.
[10]	秦锋,王恒,郑啸,王修君. 基于上下文语境的微博情感分析[J]. 计算机工程, 2017, 43(3): 241-246,252.
[11]	聂文汇,曾承,贾大文. 基于热度矩阵的微博热点话题发现[J]. 计算机工程, 2017, 43(2): 57-62.
[12]	刘续乐,何炎祥. 基于多特征的微博情感分析研究 [J]. 计算机工程, 2017, 43(12): 160-164,172.
[13]	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, 2016, 42(4): 197-201,208.
[14]	马慧芳,吉余岗,李晓红,周汝南. 基于离散粒子群优化的微博热点话题发现算法[J]. 计算机工程, 2016, 42(3): 208-213.
[15]	郑诚,沈磊,代宁. 基于类序列规则的中文微博情感分类[J]. 计算机工程, 2016, 42(2): 184-189,194.

基于微博短文本的用户兴趣建模方法

User Interest Modeling Approach Based on Short Text of Micro-blog

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