基于文本与社交信息的用户群组识别

发布时间：2018-08-06 09:55

【摘要】：社交媒体上的个人群体信息对于理解社交网络结构非常有用,现有研究主要基于用户之间的链接和显式社交信息识别用户的个人群体,很少考虑使用文本信息与隐含社交信息.在显式社交信息缺乏时,隐含社交信息以及文本信息对于识别用户的群体是非常有帮助的.提出一种隐含因子图模型,有效地利用各种隐含与显式的社交与文本信息对用户的群组进行识别.其中,显式的文本与社交信息是通过用户发表的文本与个人关系生成的.同时,利用矩阵分解模型自动生成隐含的文本与社交信息.最后,利用因子图模型与置信传播算法对显式与隐含的文本与社交信息进行集成,并对用户群组识别模型进行学习与预测.实验结果表明,该方法能够有效地对用户群组进行识别.
[Abstract]:The personal group information on social media is very useful to understand the social network structure. The existing research mainly based on the link between users and explicit social information to identify the individual group of users, rarely consider the use of text information and implicit social information. In the absence of explicit social information, implicit social information and text information are helpful to identify users. An implicit factor graph model is proposed to identify users' groups effectively using various implicit and explicit social and text information. Among them, explicit text and social information are generated by user published text and personal relationship. At the same time, the matrix decomposition model is used to automatically generate implicit text and social information. Finally, the explicit and implicit text and social information are integrated with factor graph model and confidence propagation algorithm, and the user group recognition model is learned and predicted. Experimental results show that the method can effectively identify user groups.
【作者单位】： 苏州大学计算机科学与技术学院自然语言处理实验室;
【基金】：国家自然科学基金(61331011,61375073,61402314)~~
【分类号】：TP391.1;TP393.09

【相似文献】

相关期刊论文 前10条

1 史加荣;郑秀云;周水生;;矩阵补全算法研究进展[J];计算机科学;2014年04期

2 李聪;骆志刚;;用于鲁棒协同推荐的元信息增强变分贝叶斯矩阵分解模型[J];自动化学报;2011年09期

3 袁运祥;基于矩阵分解的子结构法求解介绍[J];计算机应用通讯;1981年00期

4 张海建;;分布式矩阵分解算法在推荐系统中的研究与应用[J];科技通报;2013年12期

5 王锋;赵志文;牟盛;;整数提升小波多相矩阵分解系数的快速提取算法[J];中国图象图形学报;2012年03期

6 段华杰;;考虑时间效应的矩阵分解技术在推荐系统中的应用[J];微型电脑应用;2013年03期

7 王海雷;牟雁超;俞学宁;;基于协同矩阵分解的社会化标签系统的资源推荐[J];计算机应用研究;2013年06期

8 张爱文;樊红莲;;半离散矩阵分解改进算法在网页信息检索中的应用研究[J];黑龙江工程学院学报;2007年02期

9 李卫平;杨杰;;基于随机梯度矩阵分解的社会网络推荐算法[J];计算机应用研究;2014年06期

10 祝永健;陈琛;;一种新的异构网络中基于上下文相关的推荐模型[J];硅谷;2013年23期

相关博士学位论文 前5条

1 王中卿;基于文本信息的社会关系分析与研究[D];苏州大学;2016年

2 王啸;基于生成模型和矩阵分解的社区发现算法研究[D];天津大学;2015年

3 王科强;基于矩阵分解的个性化推荐系统[D];华东师范大学;2017年

4 李英明;矩阵分解在数据挖掘中的应用[D];浙江大学;2014年

5 陈根浪;基于社交媒体的推荐技术若干问题研究[D];浙江大学;2012年

相关硕士学位论文 前10条

1 秦晓晖;个性化微博推荐方法研究[D];华南理工大学;2015年

2 刘凤林;基于矩阵分解的协同过滤推荐算法研究[D];南京理工大学;2015年

3 李源鑫;基于提升的信任融合矩阵分解推荐算法[D];福建师范大学;2015年

4 陈洪涛;基于矩阵分解的常规与长尾捆绑推荐的博弈研究[D];福建师范大学;2015年

5 张济龙;基于概率矩阵分解的推荐算法研究[D];燕山大学;2015年

6 邓志豪;基于物品相似度和主题回归的矩阵分解推荐算法[D];浙江大学;2015年

7 余露;利用矩阵分解算法建模数据稀疏环境下用户协同行为[D];杭州师范大学;2015年

8 倪泽明;混合用户行为建模的概率矩阵分解推荐算法[D];浙江大学;2015年

9 吴世伟;社会网络中的链接分析[D];复旦大学;2014年

10 孙伟彬;基于高维显性特征的矩阵分解推荐[D];大连理工大学;2015年

，

本文编号：2167370