基于时间的个性化微博搜索模型

• 作者: 倪丹 韩立新
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 用户兴趣模型 时间 重排序 微博
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 研究与设计
• 页码范围: 46-50
• 页数: 5页
• 分类号: TP391
• 字数: 5432字
• 语种: 中文

摘要

随着微博服务的出现,微博中的个性化搜索成为了新的研究热点.主题模型作为一种有效的文本主题建模工具,被广泛应用到个性化搜索领域,然而微博数据存在主题多样化、实时性强等特点,传统的基于主题模型的个性化搜索算法难以解决微博数据中存在的主题粗糙性问题.为了解决这一问题,结合主题模型和语言模型建立了主题类—词语的双层用户兴趣模型,这种模型不仅反映了用户的兴趣主题,而且避免了主题的粗糙性,并利用用户的兴趣模型实现了微博搜索的个性化服务.同时,考虑到微博数据实时性的特点,将时间因素融入到微博搜索模型当中,提出了一种时间敏感的个性化搜索结果重排序算法.将此模型与传统的基于主题模型的个性化搜索模型进行比较,实验结果表明本文提出的模型更适合微博数据的搜索,更能满足用户的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩立新	河海大学计算机与信息学院	47	272	9.0	15.0
2	倪丹	河海大学计算机与信息学院	1	0	0.0	0.0