-
题名社区热点微博推荐研究
被引量:7
- 1
-
-
作者
彭泽环
孙乐
韩先培
陈波
-
机构
中国科学院软件研究所基础软件国家工程研究中心
计算机科学国家重点实验室(中国科学院软件研究所)
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2015年第5期1014-1021,共8页
-
基金
国家自然科学基金项目(61433015
61272324)
+1 种基金
国家"八六三"高技术研究发展计划基金项目(2015AA015405)
网络文化与数字传播北京市重点实验室开放课题(ICDD201204)
-
文摘
分析并总结了影响用户对特定微博兴趣的若干因素,在此基础上基于潜在因素模型提出了1个融合显式特征和潜在特征的社区热点微博推荐算法(community micro-blog recommendation,CMR),并将其用于发现微博兴趣社区热点信息.算法在3个兴趣社区上进行了实验,结果表明:1)融合2种特征信息的微博推荐效果好于使用单一特征信息的推荐;2)CMR的推荐效果好于基于转发次数的对照实验(micro-blog repost rank based recommendation,MRR);3)通过分析各个算法所推荐的微博内容,发现CMR倾向于为用户推荐兴趣社区相关微博,而MRR倾向于为用户推荐公共热点微博.
-
关键词
微博
推荐
社区
潜在因素模型
信息过载
-
Keywords
micro-blog
recommendation
community
latent factor model
information overloading
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于排序学习的微博用户推荐
被引量:15
- 2
-
-
作者
彭泽环
孙乐
韩先培
石贝
-
机构
中国科学院软件研究所基础软件中心
-
出处
《中文信息学报》
CSCD
北大核心
2013年第4期96-102,共7页
-
基金
国家自然科学基金资助项目(90920010
61100152)
+1 种基金
网络文化与数字传播北京市重点实验室开放课题资助项目(5026035406)
核高基科技重大专项子课题资助项目(2010ZX01037-001-002-03)
-
文摘
该文在分析总结影响微博用户推荐的四大类信息,包括用户的内容信息、个人信息、交互信息和社交拓扑信息的基础上,提出一个基于排序学习的微博用户推荐框架,排序学习的本质是用机器学习中的分类或回归方法解决排序问题,该框架可以综合各类信息特征进行用户推荐。实验结果表明:(1)融合多个特征综合推荐通常可以取得更好的推荐效果;(2)基于用户个人信息、交互信息、社交拓扑信息的推荐效果均好于基于用户内容的推荐效果。
-
关键词
排序学习
用户推荐
微博
-
Keywords
learning to rank
user recommendation
micro-biog.
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-