

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著在線社交網(wǎng)絡的高速發(fā)展,社交網(wǎng)絡平臺(如 Twitter,Facebook.人人網(wǎng),微博等)近幾年迎來了爆炸式增長,社交網(wǎng)絡已經(jīng)深入到人們日常生活中的方方面面。人們在社交網(wǎng)絡上與人交流,記錄生活的點點滴滴,發(fā)表博文,分享照片視頻等,可以說,社交網(wǎng)絡已經(jīng)成為人們現(xiàn)實生活的一個映射。然而,隨著微博平臺的發(fā)展,信息量以爆炸式速度進行增長。從而造成了一種現(xiàn)象,稱作信息爆炸,周圍的信息太多,用戶并不是對所有的信息都感興趣,用戶不得不從大量的信
2、息中找出自己感興趣的進行閱讀。因此,本文著手于如何找出用戶感興趣的博文呈現(xiàn)在用戶面前,將用戶更感興趣的博文放在前面,給用戶推薦他所感興趣的博文。本文主要完成了以下工作:
首先,本文針對微博平臺中噪聲多的特性,提出了話題性博文的概念,利用Twitter博文數(shù)據(jù)訓練LDA模型作為博文詞匯話題特征,并結合微博博文詞匯話題特征、博文社交特征和博文文法特征構建支持向量機模型,用以過濾非話題性博文。實驗表明,該分類器具有較高的準確率及召回
3、率,能夠滿足系統(tǒng)要求。
接著,在上述方法的基礎上,提取用戶博文關鍵字,并分別利用搜索引擎以及外部知識庫對博文關鍵字進行擴展。接著利用離線維基百科語料庫訓練Word2Vec模型,將用戶博文關鍵字映射到高維向量空間上。然后利用層次聚類方法,對用戶博文關鍵字集合進行聚類,綜合聚類純度以及類簇權重,選出top-3用戶話題用以表征用戶興趣。并通過實驗驗證了算法的有效性。
最后,綜合非話題性博文過濾技術、博文關鍵字擴展技術、博文
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 基于用戶關系和用戶興趣的微博內容推薦關鍵技術研究.pdf
- 微博用戶興趣發(fā)現(xiàn)與用戶推薦研究.pdf
- 基于微博熱點話題發(fā)現(xiàn)的關鍵技術研究.pdf
- 基于微博的專家用戶搜索關鍵技術研究.pdf
- 基于劃分和層次的聚類算法關鍵技術研究.pdf
- 微博主觀性發(fā)現(xiàn)關鍵技術研究.pdf
- 基于Hadoop的微博用戶興趣與社區(qū)發(fā)現(xiàn)算法研究.pdf
- 基于標簽的微博用戶興趣發(fā)現(xiàn)算法研究及應用.pdf
- 基于微博的情感分析關鍵技術研究.pdf
- 微博短文本情感分析關鍵技術研究與實現(xiàn).pdf
- 基于微博內容的博主標簽生成關鍵技術研究.pdf
- 21515.基于層次聚類的新聞話題發(fā)現(xiàn)技術研究
- 聚類集成關鍵技術研究.pdf
- 基于本體的云服務發(fā)現(xiàn)關鍵技術研究與實現(xiàn).pdf
- 基于數(shù)據(jù)挖掘的微博用戶興趣群體發(fā)現(xiàn)與分類——以新浪微博為例.pdf
- 基于鏈接分析和用戶興趣的微博社區(qū)發(fā)現(xiàn)算法.pdf
- 微博搜索的關鍵技術研究.pdf
- 基于微博的網(wǎng)絡輿情關鍵技術的研究與實現(xiàn)
- 基于用戶聚類的微博話題推薦方法研究.pdf
- 基于微博的網(wǎng)絡輿情關鍵技術的研究與實現(xiàn).pdf
評論
0/150
提交評論