基于网络结构与用户内容的动态兴趣识别方法

• 作者: 杨扬 王菲菲 许进 黄丹阳
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 网络结构 主题模型 用户兴趣 动态识别
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 研究报告
• 页码范围: 103-108
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.13190/j.jbupt.2017-187

摘要

提出了将社交类服务中的两类极为重要的数据——社交网络结构数据和用户所发布的文本内容数据相结合的动态兴趣识别方法.首先通过定义时间窗口,对社交网络用户的实时文本信息进行主题建模,识别用户实时兴趣概率特征;然后将微观网络结构信息与用户好友的兴趣信息相结合,构建预测特征;最后,建立逻辑回归、支持向量机等分类器,采用所构建的预测特征对用户兴趣进行动态预测.在新浪微博中的应用表明,该方法具备一定的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许进	北京大学高可信软件教育部重点实验室	33	247	8.0	15.0
2	黄丹阳	中国人民大学统计学院	3	0	0.0	0.0
3	杨扬	北京大学高可信软件教育部重点实验室	13	50	4.0	7.0
4	王菲菲	中国人民大学统计学院	10	51	4.0	7.0