本文關(guān)鍵詞：基于主題模型的用戶畫像提取算法研究

  更多相關(guān)文章： 用戶畫像 主題模型 Latent Dirichlet Allocation 社交策展網(wǎng)絡(luò) 推薦系統(tǒng)

【摘要】：社交網(wǎng)絡(luò)以及以社交為基礎(chǔ)的互聯(lián)網(wǎng)應(yīng)用的迅猛發(fā)展帶來數(shù)據(jù)的爆炸式增長,提出了個性化推薦的應(yīng)用需求。用戶畫像提取是個性化推薦的關(guān)鍵。近年來社交網(wǎng)絡(luò)的發(fā)展趨勢是媒體類型不斷豐富,用戶參與門檻的不斷降低。用戶表達(dá)的數(shù)據(jù)模態(tài)多樣,為用戶畫像提取提供了更廣闊的空間。本論文針對新型社交網(wǎng)絡(luò)——社交策展網(wǎng)絡(luò)數(shù)據(jù),開展用戶畫像提取研究,具體工作如下:1.提出了一種結(jié)合主題模型和點互信息的用戶畫像提取(TM-PMI)方法。從LDA模型的思想、原理以及LDA求解方法—吉布斯采樣等全面描述了用戶文本信息建模的方法。將用戶文本信息主題模型和點互信息結(jié)合建立用戶個性化主題詞,得到個性化用戶畫像。通過對用戶推薦收藏條目進(jìn)行實驗驗證。設(shè)計了一種User Study的方法。實驗結(jié)果表明,相比于傳統(tǒng)LDA模型,TM-PMI表達(dá)能力更好,推薦結(jié)果也得到提升。2.提出了一種社交策展網(wǎng)絡(luò)多層LDA模型(MLLLDA)的用戶潛在興趣畫像提取的方法。分析社交策展網(wǎng)絡(luò)“轉(zhuǎn)發(fā)鏈”的特點,針對社交策展網(wǎng)絡(luò)用戶兩種模態(tài)數(shù)據(jù)——收藏條目的描述文本信息和轉(zhuǎn)發(fā)鏈的用戶ID集合,結(jié)合用戶收藏條目描述文本信息的潛在主題分布以及轉(zhuǎn)發(fā)鏈上用戶ID的興趣分布計算用戶潛在興趣分布,用于社區(qū)發(fā)現(xiàn)。并計算目標(biāo)用戶和每個用戶IDJensen-Shannon散度值,進(jìn)行用戶推薦。實驗結(jié)果表明MLLDA可以有效發(fā)現(xiàn)用戶社區(qū),并得到有效的用戶推薦。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.1
，

本文編號：1137137