标签关联与学习模型相结合的用户兴趣变化识别算法

• 作者: 白杨
• 来源期刊: 辽东学院学报（自然科学版）
• 关键词: 主题模型 用户兴趣 空间向量 学习模型 标签关联
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 180-186
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14168/j.issn.1673-4939.2021.03.06

摘要

通过分析用户的UGC内容获得用户的兴趣是目前一个研究热点,识别社交网络的用户兴趣变化对于提供高质量的网络个性化服务具有重要意义.对于UGC贫乏的"冷启动"用户,常用的LDA主题模型获取用户兴趣并不有效,而能有效识别用户兴趣的变化更是一个难点问题.针对这一问题,采用LDA获取网络主题,构建主题-标签模型,在此基础上采用基于标签关联的空间向量相似度计算方法,构建用户-主题模型,并结合学习模型,提出用户兴趣变化识别算法.在实验中,将所提出的算法应用于从微博网站所采集的大规模数据集,较为准确地获得了网络的主题、网络主题的核心用户及其在兴趣主题上的概率分布,有效地解决了模型中用户兴趣变化的识别问题.