基于主題模型的微博推薦研究.pdf

1、微博作為一種新型的社交網(wǎng)絡(luò)平臺(tái),已經(jīng)成為用戶(hù)發(fā)布和獲取信息的重要途徑。對(duì)微博進(jìn)行主題建模能使用戶(hù)從海量信息中找到感興趣的信息和用戶(hù)。但是由于微博消息長(zhǎng)度短,更新速度快以及噪音大等問(wèn)題,傳統(tǒng)的主題建模方法效果并不理想。
　　 本文實(shí)現(xiàn)了兩種對(duì)LDA主題建模改進(jìn)的方法,基于用戶(hù)維度的建模方法將原始LDA模型和作者主題模型相結(jié)合,通過(guò)對(duì)用戶(hù)一主題進(jìn)行建模取代原有的文檔一主題建模方式,解決了文本長(zhǎng)度過(guò)短而造成的信息量不完整的問(wèn)題;基于領(lǐng)

2、域一時(shí)間的建模方法在前者的基礎(chǔ)上進(jìn)一步認(rèn)為微博消息在領(lǐng)域和時(shí)間上有著明顯的集中性,因此考慮了領(lǐng)域和時(shí)間因素的建模方法能有效地降低微博消息中的噪音,提高主題區(qū)分度。在此基礎(chǔ)上,本文通過(guò)訓(xùn)練好的主題模型對(duì)用戶(hù)進(jìn)行興趣挖掘,并實(shí)現(xiàn)用戶(hù)的個(gè)性化推薦,包括相似用戶(hù)推薦和用戶(hù)感興趣的微博消息推薦。
　　 實(shí)驗(yàn)證明,基于主題模型實(shí)現(xiàn)的個(gè)性化推薦的準(zhǔn)確率均高于使用TF-IDF算法,且兩種改進(jìn)的建模方法在主題質(zhì)量上確實(shí)明顯優(yōu)于直接應(yīng)用LDA模型對(duì)