基于LDA模型的多角度个性化微博推荐算法

• 作者: 孙玉洁 秦永彬
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 微博 个性化推荐 隐含狄利克雷分布模型 推荐算法 评分预测 Top-N推荐
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 177-182
• 页数: 6页
• 分类号: TP391
• 字数: 7009字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.04.030

摘要

通过基于概率的主题挖掘模型隐含狄利克雷分布(LDA)挖掘用户兴趣主题,是目前最常用的用户兴趣主题挖掘方法.为进一步改善用户体验,推荐其感兴趣且质量好、新鲜度高的微博,提出一种新的多角度个性化微博推荐算法.通过微博发布时间、转发数、评论数等特征计算微博重要度,利用LDA模型生成的用户-主题矩阵以及主题-词汇矩阵计算用户对微博的兴趣度,综合考虑微博本身的重要度以及用户对微博的兴趣度对微博进行评分,根据评分结果推荐微博.实验结果表明,该算法与主题模型相结合可有效够提高微博推荐的精准度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦永彬	贵州大学计算机科学与技术学院	63	213	8.0	10.0
2	孙玉洁	贵州大学计算机科学与技术学院	2	11	2.0	2.0