基于背景和内容的微博用户兴趣挖掘

发布时间：2018-05-16 10:38

本文选题：微博网络 + 用户兴趣表示　；参考：《软件学报》2017年02期

【摘要】：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.
[Abstract]:Micro-blog user interest mining is the basic work of personalized recommendation and community division. On the basis of in-depth analysis of the characteristics of micro-blog network, this paper gives a description model that can reveal the multimode character of micro-blog network, and has a reference value to the follow-up research of the micro-blog network. Based on the characteristics of micro-blog network, a static user based on the background is proposed. The method of interest representation and mining, and the method of dynamic interest representation and mining based on micro-blog. According to the lack of background information in micro-blog network, a large number of inactive users of micro-blog are published, and the method of user interest mining based on the attention is put forward. Taking Sina micro-blog as an example, the 5 leaders of fashion, enterprise management, education, military and culture are selected. The experimental analysis and comparison of user interest mining and similarity calculation in the domain show that, compared with the mainstream interest mining method, the representation and mining method of the micro-blog user interest can effectively improve the effect of micro-blog user interest mining.

【作者单位】：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;
【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)~~
【分类号】：TP391.1

【参考文献】

相关期刊论文前10条

1 王晨旭;管晓宏;秦涛;周亚东;;微博消息传播中意见领袖影响力建模研究[J];软件学报;2015年06期

2 贺敏;杜攀;张瑾;刘悦;程学旗;;基于动量模型的微博突发话题检测方法[J];计算机研究与发展;2015年05期

3 申国伟;杨武;王巍;于淼;;面向大规模微博消息流的突发话题检测[J];计算机研究与发展;2015年02期

4 胡云;王崇骏;吴骏;谢俊元;李慧;;微博网络上的重叠社群发现与全局表示[J];软件学报;2014年12期

5 周小平;梁循;张海燕;;基于R-C模型的微博用户社区发现[J];软件学报;2014年12期

6 徐志明;李栋;刘挺;李生;王刚;袁树仑;;微博用户的相似性度量及其应用[J];计算机学报;2014年01期

7 郭磊;马军;陈竹敏;姜浩然;;一种结合推荐对象间关联关系的社会化推荐算法[J];计算机学报;2014年01期

8 杨圩生;罗爱民;张萌萌;;基于信任环的用户冷启动推荐[J];计算机科学;2013年S2期

9 汪祥;贾焰;周斌;陈儒华;韩毅;;基于交互关系的微博用户标签预测[J];计算机工程与科学;2013年10期

10 贺敏;王丽宏;杜攀;张瑾;程学旗;;基于有意义串聚类的微博热点话题发现方法[J];通信学报;2013年S1期

【共引文献】

相关期刊论文前10条

1 马慧芳;贾美惠子;张迪;蔺想红;;融合标签关联关系与用户社交关系的微博推荐方法[J];电子学报;2017年01期

2 张钰莎;;微博热点事件发现与研究[J];信息通信;2017年01期

3 庄晓芳;郭红;;基于用户间影响力及对象间关联关系的社会化推荐[J];福州大学学报(自然科学版);2017年01期

4 高董英;邓新国;肖如良;;融合相似用户和信任关系的动态反馈协同过滤推荐算法[J];福州大学学报(自然科学版);2017年01期

5 封红旗;雷晨阳;沈田予;杨长春;;基于改进完全子图模型的关注对象多社区发现研究[J];南京理工大学学报;2016年06期

6 兰天;郭躬德;;特定话题传播网络中的意见领袖检测方法[J];计算机系统应用;2016年12期

7 李斌;张博;刘学军;章玮;;基于Jaccard相似度和位置行为的协同过滤推荐算法[J];计算机科学;2016年12期

8 喻金平;赖柄州;;基于Hadoop框架下的Fast-Newman算法改进[J];科技广场;2016年11期

9 殷文辉;;基于动态演化聚类算法的E-Learning培训搜索研究[J];电子设计工程;2016年22期

10 吴向阳;张利军;陈万烤;计忠平;俞俊;;使用过滤与放大技术的微博数据监控分析系统[J];计算机辅助设计与图形学学报;2016年11期

【二级参考文献】

相关期刊论文前10条

1 樊兴华;赵静;方滨兴;李欲晓;;影响力扩散概率模型及其用于意见领袖发现研究[J];计算机学报;2013年02期

2 丁兆云;贾焰;周斌;韩毅;;微博中基于多关系网络的话题影响力个体挖掘(英文)[J];中国通信;2013年01期

3 张赛;徐恪;李海涛;;微博类社交网络中信息传播的测量与分析[J];西安交通大学学报;2013年02期

4 孙冬婷;何涛;张福海;;推荐系统中的冷启动问题研究综述[J];计算机与现代化;2012年05期

5 朱郁筱;吕琳媛;;推荐系统评价指标综述[J];电子科技大学学报;2012年02期

6 张斌;张引;高克宁;郭朋伟;孙达明;;融合关系与内容分析的社会标签推荐[J];软件学报;2012年03期

7 张晨逸;孙建伶;丁轶群;;基于MB-LDA模型的微博主题挖掘[J];计算机研究与发展;2011年10期

8 刘志明;刘鲁;;微博网络舆情中的意见领袖识别及分析[J];系统工程;2011年06期

9 袁毅;杨成明;;微博客用户信息交流过程中形成的不同社会网络及其关系实证研究[J];图书情报工作;2011年12期

10 龚才春;贺敏;陈海强;许洪波;程学旗;;大规模语料的频繁模式快速发现算法[J];通信学报;2007年12期

【相似文献】

相关期刊论文前10条

1 王杰;使图像的编辑更加容易[J];中文信息;1998年Z1期

2 王波,姚敏;基于信息抽取的匿名用户兴趣描述[J];华南理工大学学报(自然科学版);2004年S1期

3 董全德;;用户兴趣迁移模式与个性化服务[J];电脑知识与技术(学术交流);2007年17期

4 郑运刚;马建国;;基于分类的用户兴趣漂移模型[J];情报杂志;2008年01期

5 张涛;;基于浏览历史的用户兴趣提取模型[J];软件导刊;2009年06期

6 杨杰;陈恩红;;面向个性化服务的用户兴趣偏移检测及处理方法[J];电子技术;2009年11期

7 陈圣兵;李龙澍;纪霞;;多层次用户兴趣模式的动态捕捉[J];计算机工程与应用;2009年36期

8 郑晓健;庞淑英;何英;;一种面向主题的用户兴趣挖掘模型研究[J];昆明学院学报;2010年03期

9 花青松;刘海峰;胡铮;;基于基尼系数的用户兴趣分布模式度量方法[J];计算机工程;2012年22期

10 孙雨生;刘伟;仇蓉蓉;黄传慧;;国内用户兴趣建模研究进展[J];情报杂志;2013年05期