版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)的發(fā)展,人們的社交生活及信息獲取方式發(fā)生了巨大的變化。微博的興起讓人們能夠快速獲取海量信息,如何從海量信息中自動發(fā)現(xiàn)有價值的內(nèi)容并推薦給用戶具有重要意義。利用知識發(fā)現(xiàn)的相關(guān)方法來挖掘海量數(shù)據(jù)中的有用信息,利用用戶的社交關(guān)系解決傳統(tǒng)推薦算法所面臨的數(shù)據(jù)稀疏問題是當(dāng)前研究的熱點(diǎn)?;谖⒉┑闹R詞條發(fā)現(xiàn)及推薦是在大數(shù)據(jù)和個性化時代的大背景下提出的。從海量微博數(shù)據(jù)中抽取知識詞條,并將其推薦給感興趣的微博用戶是本課題研究的重點(diǎn)。
2、 在語料庫構(gòu)建任務(wù)上,知識詞條發(fā)現(xiàn)語料庫大多基于長文本構(gòu)建,尚無利用微博構(gòu)建的標(biāo)準(zhǔn)語料庫。基于社交網(wǎng)絡(luò)的推薦語料庫,主要推薦音樂、好友等內(nèi)容,沒有推薦微博知識詞條相關(guān)的公開語料庫。針對語料庫存在的問題,本文利用微博爬蟲從新浪微博中獲取大量微博數(shù)據(jù)及微博用戶社交關(guān)系數(shù)據(jù),并構(gòu)造了微博知識詞條發(fā)現(xiàn)語料庫及微博知識詞條推薦語料庫。
在微博知識詞條發(fā)現(xiàn)任務(wù)上,本文利用基于條件隨機(jī)場(Conditional Random Fields
3、,簡稱CRFs)的方法從微博中識別知識詞條。為了解決基于傳統(tǒng)文本特征的CRFs模型在微博知識詞條發(fā)現(xiàn)任務(wù)上召回率偏低的問題,本文從大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)中學(xué)習(xí)詞聚類特征并從訓(xùn)練集中構(gòu)造知識詞條詞典,最后將詞聚類特征及知識詞條詞典融入 CRFs模型。在評測集上,融合詞聚類特征的微博知識詞條發(fā)現(xiàn)算法比采用基本特征的微博知識詞條發(fā)現(xiàn)算法的F1值提高了6.56%,引入訓(xùn)練集詞典特征的微博知識詞條發(fā)現(xiàn)算法相比基本算法提高了8.05%,結(jié)合兩類特征的方
4、法則提高了8.43%。此外,本文還研究了聚類類別數(shù)和語料庫規(guī)模對詞聚類特征的影響。
在微博知識詞條推薦任務(wù)上,本文利用微博中的社交關(guān)系及時間因子改進(jìn)了傳統(tǒng)的協(xié)同過濾算法,并將其與傳統(tǒng)的協(xié)同過濾算法、基于內(nèi)容的推薦算法作對比。實驗結(jié)果表明,社交關(guān)系及時間因子能夠顯著提升推薦算法的性能,本文提出的利用社交關(guān)系和時間因子改進(jìn)的協(xié)同過濾算法的F1值相比傳統(tǒng)協(xié)同過濾算法提高了20.37%。
最后,基于以上研究工作,本文實現(xiàn)了一
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于話題熱度的微博推薦算法研究.pdf
- 基于微博平臺的用戶推薦算法研究.pdf
- 基于C-LDA的微博推薦算法.pdf
- 基于特征詞條本體進(jìn)化的微博話題跟蹤研究.pdf
- 基于微博的個性化新聞推薦算法的研究.pdf
- 基于特征詞條本體進(jìn)化的微博話題跟蹤研究
- 基于信任和用戶行為的微博好友推薦算法研究.pdf
- 基于知識流和用戶選擇的微博話題推薦.pdf
- 基于MapReduce的微博好友推薦研究.pdf
- 基于主題模型的微博推薦研究.pdf
- 一種基于用戶傾向的微博好友推薦算法.pdf
- 社會網(wǎng)絡(luò)中的微博用戶推薦算法研究.pdf
- 基于中文微博的產(chǎn)品評價分類及推薦算法研究.pdf
- 基于標(biāo)簽協(xié)同過濾算法在微博推薦中的研究.pdf
- 基于用戶興趣的微博推薦方法研究.pdf
- 基于內(nèi)容的微博推薦系統(tǒng)
- 基于社交關(guān)系和時序主題的微博好友推薦算法研究.pdf
- 基于微博平臺的用戶推薦模型研究.pdf
- 基于云計算的微博推薦系統(tǒng).pdf
- 基于標(biāo)簽的微博信息推薦技術(shù)研究.pdf
評論
0/150
提交評論