基于维基百科类别图的推特用户兴趣挖掘

• 作者: 刘小捷 吕晓强 张伟 王晓玲 赵安
• 来源期刊: 计算机科学
• 学科: 教育
• 关键词: 社交网络 用户兴趣 个性化PageRank 推文推荐
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 第35届中国数据库学术会议
• 页码范围: 79-84
• 页数: 6页
• 分类号: G633.67
• 字数: 7524字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2019.09.010

摘要

以Twitter为代表的社交网络在人们的生活中发挥着重要作用,其庞大的用户群体给社交网络数据挖掘带来了巨大的价值.社交网络用户兴趣建模方法被广泛研究,并被用于提供个性化推荐.文中提出了一种基于维基百科类别图的Twitter用户兴趣挖掘和表示方法.首先,该方法根据用户活跃度的差异,分别采用基于推文内容的方法和基于关注账号信息的方法来实现活跃用户与非活跃用户的兴趣挖掘.然后,在维基百科类别图上使用个性化Page Rank算法进一步拓展用户兴趣,生成维基百科类别表示的用户兴趣画像.在推文推荐的应用背景下,对用户兴趣建模策略进行了实验分析和比较.实验结果表明,与现有的Twitter用户兴趣挖掘方法相比,所提方法显著提升了推文推荐效果,能够有效地改进用户兴趣挖掘效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张伟	华东师范大学上海市高可信计算重点实验室	60	418	10.0	19.0
2	王晓玲	华东师范大学上海市高可信计算重点实验室	28	695	11.0	26.0
3	赵安	中国科学院电子学研究所苏州研究院	3	22	2.0	3.0
4	刘小捷	华东师范大学上海市高可信计算重点实验室	1	1	1.0	1.0
5	吕晓强	华东师范大学上海市高可信计算重点实验室	2	12	1.0	2.0