微博个性化标签图形化RTM模型Gibbs采样推荐

• 作者: 刘真臻 徐东平
• 来源期刊: 微电子学与计算机
• 关键词: Gibbs采样 微博标签 关系主题模型 top-k算法
• 年，卷（期）: 2017,（12）
• 页码范围: 138-144
• 页数: 7页
• 分类号: TP391
• 语种: 中文

摘要

为提高个性化标签推荐方法性能,提出基于Gibbs采样推理的微博个性化标签隐含关系主题模型(Rela-tion Topic Model,RTM)推荐算法.首先,利用图形化形式对微博中的潜在局部信息进行表达,对用户主题分布为代表的用户进行top-k相似用户发现,然后计算出现在这些用户中的所有标签的频率,并推荐与用户最相关的标签.其次,为挖掘潜在主题信息,利用带惩罚项的增强型余弦相似度RT M模型对微博标签进行命名,大大提高联合建模对潜在主题生成标签的影响,并可发现全局标签和主题之间的关系;最后,通过真实的实验结果显示,所提推荐方法要优于选取的TF-IDF、RTMSA等几种经典标签推荐算法,验证了算法有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐东平	武汉理工大学计算机科学与技术学院	43	256	9.0	13.0
2	刘真臻	武汉理工大学计算机科学与技术学院	1	1	1.0	1.0