發(fā)布時間：2018-05-05 08:39

  本文選題：聯(lián)機分析處理 + 推特��； 參考：《電子與信息學報》2017年09期

【摘要】：從海量推特數(shù)據(jù)中探索用戶興趣的分布規(guī)律和相關(guān)性有利于實現(xiàn)精確的個性化推薦。聯(lián)機分析處理(OnLine Analytical Processing,OLAP)提供了一種適合人們探究數(shù)據(jù)的直觀形式。將OLAP技術(shù)應(yīng)用于推特數(shù)據(jù)的關(guān)鍵是如何挖掘和構(gòu)建推特用戶的興趣維層次。針對現(xiàn)有方法只能提取單一層次興趣的不足,該文提出一種支持聯(lián)機分析處理的推特用戶興趣維層次提取方法。該方法首先通過Rest API獲取推特數(shù)據(jù),然后通過改進的LDA(Latent Dirichlet Allocation)模型挖掘用戶的興趣和子興趣,最后在此基礎(chǔ)上構(gòu)建興趣維層次結(jié)構(gòu)。實驗評估了該方法的模型效果和可擴展性,并證實與LDA和h LDA相比可以更有效地提取出推特用戶的興趣維層次并應(yīng)用于聯(lián)機分析處理。
[Abstract]:Exploring the distribution and correlation of user interest from massive Twitter data is beneficial to the realization of accurate personalized recommendation. Online Analytical processing (OLAP) provides an intuitive form for people to explore data. The key to apply OLAP technology to Twitter data is how to mine and construct the interest dimension of Twitter users. In view of the disadvantage that the existing methods can only extract interest at a single level, this paper proposes a method for extracting the dimension of interest of Twitter users, which supports on-line analytical processing (OLAP). The method firstly acquires Twitter data through Rest API, and then uses the improved LDA(Latent Dirichlet allocation model to mine the interest and sub-interest of users. Finally, the hierarchy of interest dimension is constructed on the basis of this. The model effect and extensibility of this method are evaluated and compared with LDA and h LDA, it is proved that this method can extract the interest dimension of Twitter users more effectively and be applied to OLAP.
【作者單位】： 杭州電子科技大學計算機學院;
【基金】：國家自然科學基金項目(61100043,61472112) 浙江省自然科學基金資助項目(LY12F02003) 浙江省科技計劃重點資助項目(2017C01010,2016F50014)~~
【分類號】：TP391.1

【相似文獻】

相關(guān)期刊論文 前10條

1 張強,鄧清,王紅霞;談聯(lián)機分析處理[J];信息技術(shù);2000年02期

2 楊雪峰,李亢,張可彤;聯(lián)機分析處理的實現(xiàn)及其性能調(diào)優(yōu)[J];計算機系統(tǒng)應(yīng)用;2003年08期

3 戴科星;葉楓;;聯(lián)機分析處理在門診藥品收費管理的應(yīng)用[J];計算機系統(tǒng)應(yīng)用;2006年08期

4 喻鋼,周定康;聯(lián)機分析處理(OLAP)技術(shù)的研究[J];計算機應(yīng)用;2001年11期

5 王冰峰,劉連忠;聯(lián)機分析處理及其在管理信息系統(tǒng)中的應(yīng)用[J];計算機應(yīng)用研究;2001年01期

6 葉德謙;具有主從服務(wù)器的聯(lián)機分析處理系統(tǒng)的研究[J];計算機工程與應(yīng)用;2002年22期

7 張忠平,李榮,郭麗麗;聯(lián)機分析處理的綜述和分析[J];計算機應(yīng)用研究;2003年08期

8 魏莉;楊科華;;基于語義分解的聯(lián)機分析處理查詢并行優(yōu)化方案[J];計算機應(yīng)用;2010年07期

9 ;制定戰(zhàn)略決策的新工具——聯(lián)機分析處理[J];軟件世界;1994年05期

10 谷巖;基于三層結(jié)構(gòu)的聯(lián)機分析處理(OLAP)系統(tǒng)的研究與設(shè)計[J];計算機應(yīng)用與軟件;2005年03期

相關(guān)會議論文 前8條

1 方藝璇;劉虹;陳紅;李翠平;張延松;趙素云;陳杰;辛鑫;張吉;;圖形處理器加速的聯(lián)機分析處理系統(tǒng)[A];第29屆中國數(shù)據(jù)庫學術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

2 王偉;殷國富;;基于數(shù)據(jù)挖掘的多維聯(lián)機分析處理系統(tǒng)研究[A];全國先進制造技術(shù)高層論壇暨制造業(yè)自動化、信息化技術(shù)研討會論文集[C];2005年

3 遇輝;唐世渭;楊冬青;李囡;;基于單調(diào)性分類的聚集查詢結(jié)果導航[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2005年

4 花鳴;王晨;周皓峰;汪衛(wèi);施伯樂;;基于審計的OLAP推論控制算法研究[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2004年

5 遇輝;唐世渭;楊冬青;李囡;;基于立方體計算的關(guān)鍵梯度分析[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2005年

6 李慶忠;張世棟;董國慶;;在數(shù)據(jù)多維體中進行關(guān)聯(lián)規(guī)則的挖掘[A];第十六屆全國數(shù)據(jù)庫學術(shù)會議論文集[C];1999年

7 陳濤;鐘軍;陳茂華;張濤;梁嶸;;基于互聯(lián)網(wǎng)的中醫(yī)病案OLAP系統(tǒng)的開發(fā)與應(yīng)用[A];中華中醫(yī)藥學會中醫(yī)診斷學分會成立暨學術(shù)研討會論文集[C];2006年

8 王君珂;王柏;艾波;;I~3DSS在電信行業(yè)CRM系統(tǒng)中的應(yīng)用[A];’2004計算機應(yīng)用技術(shù)交流會議論文集[C];2004年

相關(guān)重要報紙文章 前1條

1 朱靜芬;新一代ERP的特點[N];財會信報;2007年

相關(guān)碩士學位論文 前10條

1 趙淑芹;油田企業(yè)動態(tài)聯(lián)機分析處理系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學;2014年

2 張柳;云環(huán)境下網(wǎng)絡(luò)告警管理系統(tǒng)設(shè)計[D];南京郵電大學;2015年

3 梁遠銘;基于Spark的聯(lián)機分析處理的研究[D];華中科技大學;2015年

4 郭文君;聯(lián)機分析處理的研究與應(yīng)用[D];大連理工大學;2002年

5 王小玲;分布式聯(lián)機分析處理在石油行業(yè)財務(wù)管理中的應(yīng)用[D];南京工業(yè)大學;2005年

6 趙新;聯(lián)機分析處理的查詢分析客戶端設(shè)計與實現(xiàn)[D];華中科技大學;2013年

7 許睿;聯(lián)機分析處理及其在商業(yè)自動化中的應(yīng)用[D];重慶大學;2002年

8 陳林;高等院校招生數(shù)據(jù)聯(lián)機分析處理系統(tǒng)[D];河海大學;2005年

9 尹沐;基于文獻數(shù)據(jù)的Graph OLAP技術(shù)研究[D];北京郵電大學;2013年

10 于敏;聯(lián)機分析處理（OLAP）建模方法研究[D];西安理工大學;2009年

，

本文編號：1847001