雙結(jié)構(gòu)網(wǎng)絡(luò)中的熱門話題演化機制及其應(yīng)用研究.pdf

1、隨著大數(shù)據(jù)時代來臨，互聯(lián)網(wǎng)走進千家萬戶，成為人們獲取信息的最重要的途徑。然而，在互聯(lián)網(wǎng)信息資源極大豐富的同時，“信息冗余”、內(nèi)容難以治理等問題也日益凸顯。雙結(jié)構(gòu)新型網(wǎng)絡(luò)在傳統(tǒng)TCP/IP的互聯(lián)網(wǎng)上，增添物理廣播和內(nèi)容存儲相結(jié)合的播存次結(jié)構(gòu)，分擔(dān)共享型內(nèi)容流量，以對互聯(lián)網(wǎng)主結(jié)構(gòu)實施“深度去冗”。同時，在接入終端提供個性化推薦服務(wù)，滿足用戶的個性化需求。傳統(tǒng)的基于內(nèi)容的個性化推薦算法和協(xié)同過濾個性化推薦算法，難以幫助用戶了解感興趣內(nèi)容的發(fā)展

2、狀況。基于話題的隱語義推薦方式通過挖掘用戶在話題維度的興趣特征，相比較傳統(tǒng)的個性化推薦方法，更準確地刻畫了用戶的閱讀喜好。但是，互聯(lián)網(wǎng)上的話題隨著時間推移而不斷變化，如何把握話題的變化規(guī)律，反映話題的演化趨勢，是基于話題的個性化推薦算法的需要解決的難題。
　　針對基于話題的個性化推薦話題隨時間推移演化的問題，本文結(jié)合雙結(jié)構(gòu)網(wǎng)絡(luò)的特點，提出了一種追蹤話題隨時間推移而變化的熱門話題演化跟蹤算法ELDA(Entity based Lat

3、ent DirichleAllocation)，并基于此算法提出了一種基于話題的個性化推薦算法ETR(Entity and Topic basedRecommendation)，應(yīng)用于播存結(jié)構(gòu)中的個性化推薦中，幫助用戶追蹤感興趣的熱門話題。本文的主要研究工作如下:
　　針對話題隨時間推移演化的問題，設(shè)計出一種適用于雙結(jié)構(gòu)網(wǎng)絡(luò)的熱門話題演化跟蹤算法ELDA。該算法基于傳統(tǒng)的LDA話題挖掘算法進行改進，并增添命名實體用于表征聚類話題，

4、將不同時間階段聚類的話題串聯(lián)起來，使話題在演化過程中具有聯(lián)系性。ELDA算法能夠?qū)Ａ啃侣劸W(wǎng)頁進行自動、高效的話題挖掘，并能反映話題在強度、內(nèi)容上的變化趨勢。
　　將ELDA算法應(yīng)用于個性化推薦，以滿足播存次結(jié)構(gòu)中用戶的個性化需求，提出了基于話題的個性化推薦算法ETR。該算法根據(jù)用戶歷史行為特征，建立用戶的話題維度的興趣特征向量，并通過Jensen-Shannon散度進行話題的相似度計算，尋找相似話題進行推薦。同時，通過命名實體尋

5、找與瀏覽歷史有關(guān)的關(guān)聯(lián)話題，幫助用戶追蹤感興趣話題的發(fā)展狀況。相比傳統(tǒng)的個性化推薦算法，ETR算法能夠更加準確地刻畫用戶的興趣，滿足用戶的個性化需求。
　　結(jié)合雙結(jié)構(gòu)網(wǎng)絡(luò)的特點，實現(xiàn)了熱門話題演化追蹤與個性化推薦的原型系統(tǒng)。在原型系統(tǒng)中，設(shè)計了熱門話題演化機制的基本框架。使用雙結(jié)構(gòu)網(wǎng)絡(luò)中的真實數(shù)據(jù)集對本文提出ELDA算法進行了實驗與分析，結(jié)果驗證了該算法能夠有效地追蹤話題隨時間推移的演化過程。同時，使用Amazon product