基于Labeled LDA的微博用戶興趣識別系統(tǒng)的研究與實現(xiàn).pdf

1、微博是一個基于用戶關系的信息分享、傳播以及獲取平臺，內容簡單、用戶之間的交互性強、使用門檻低是微博的特點，近年在我國取得了快速發(fā)展。微博作為當下最流行的社會化網絡服務媒體，基于微博的用戶興趣挖掘研究也迅速成為一個新興的研究課題:首先發(fā)現(xiàn)感興趣的微博賬戶與信息是微博用戶最重要的活動，微博平臺則需要準確地基于用戶的興趣進行相關信息的推薦;其次用戶興趣識別系統(tǒng)是實現(xiàn)精準廣告投放的基礎，興趣挖掘的準確度直接關系到廣告投放的效果，關系到微博平臺的

2、盈利。
　　本文作者在分析新浪微博的信息特點和用戶行為特點的基礎上，學習了傳統(tǒng)的使用詞向量進行文本特征表示的文本分類算法，并基于無監(jiān)督、無層次結構的主題模型LDA(Latent Dirichlet Allocation，隱含狄利克雷分配)，擴展實現(xiàn)了有監(jiān)督、無層次結構的主題模型Labeled LDA，用于對微博用戶興趣分布的識別。本文主要研究了用戶興趣識別過程中涉及到的關鍵問題，主要包括以下三個方面的工作:(1)使用Python開

3、發(fā)針對新浪微博的定制網絡爬蟲，繞開微博API的限制，實現(xiàn)微博文本的并發(fā)快速獲取，為研究工作提供了及其豐富的實驗數(shù)據(jù);(2)學習文本分類技術，使用有監(jiān)督、無層次結構的主題模型Labeled LDA，用微博主題賬號的微博文本進行模型的訓練，用于對其他微博用戶興趣的預測;(3)考慮海量數(shù)據(jù)的場景，使用Hadoop、Hive等分布式框架，實現(xiàn)海量中文文本數(shù)據(jù)的分布式分詞與預處理。最終，通過用戶興趣識別系統(tǒng)得到的用戶興趣分布的數(shù)據(jù)在實際中成功的應