【摘要】：社交媒體上的個人群體信息對于理解社交網(wǎng)絡(luò)結(jié)構(gòu)非常有用,現(xiàn)有研究主要基于用戶之間的鏈接和顯式社交信息識別用戶的個人群體,很少考慮使用文本信息與隱含社交信息.在顯式社交信息缺乏時,隱含社交信息以及文本信息對于識別用戶的群體是非常有幫助的.提出一種隱含因子圖模型,有效地利用各種隱含與顯式的社交與文本信息對用戶的群組進行識別.其中,顯式的文本與社交信息是通過用戶發(fā)表的文本與個人關(guān)系生成的.同時,利用矩陣分解模型自動生成隱含的文本與社交信息.最后,利用因子圖模型與置信傳播算法對顯式與隱含的文本與社交信息進行集成,并對用戶群組識別模型進行學(xué)習(xí)與預(yù)測.實驗結(jié)果表明,該方法能夠有效地對用戶群組進行識別.
[Abstract]:The personal group information on social media is very useful to understand the social network structure. The existing research mainly based on the link between users and explicit social information to identify the individual group of users, rarely consider the use of text information and implicit social information. In the absence of explicit social information, implicit social information and text information are helpful to identify users. An implicit factor graph model is proposed to identify users' groups effectively using various implicit and explicit social and text information. Among them, explicit text and social information are generated by user published text and personal relationship. At the same time, the matrix decomposition model is used to automatically generate implicit text and social information. Finally, the explicit and implicit text and social information are integrated with factor graph model and confidence propagation algorithm, and the user group recognition model is learned and predicted. Experimental results show that the method can effectively identify user groups.
【作者單位】： 蘇州大學(xué)計算機科學(xué)與技術(shù)學(xué)院自然語言處理實驗室;
【基金】：國家自然科學(xué)基金(61331011,61375073,61402314)~~
【分類號】：TP391.1;TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 史加榮;鄭秀云;周水生;;矩陣補全算法研究進展[J];計算機科學(xué);2014年04期

2 李聰;駱志剛;;用于魯棒協(xié)同推薦的元信息增強變分貝葉斯矩陣分解模型[J];自動化學(xué)報;2011年09期

3 袁運祥;基于矩陣分解的子結(jié)構(gòu)法求解介紹[J];計算機應(yīng)用通訊;1981年00期

4 張海建;;分布式矩陣分解算法在推薦系統(tǒng)中的研究與應(yīng)用[J];科技通報;2013年12期

5 王鋒;趙志文;牟盛;;整數(shù)提升小波多相矩陣分解系數(shù)的快速提取算法[J];中國圖象圖形學(xué)報;2012年03期

6 段華杰;;考慮時間效應(yīng)的矩陣分解技術(shù)在推薦系統(tǒng)中的應(yīng)用[J];微型電腦應(yīng)用;2013年03期

7 王海雷;牟雁超;俞學(xué)寧;;基于協(xié)同矩陣分解的社會化標(biāo)簽系統(tǒng)的資源推薦[J];計算機應(yīng)用研究;2013年06期

8 張愛文;樊紅蓮;;半離散矩陣分解改進算法在網(wǎng)頁信息檢索中的應(yīng)用研究[J];黑龍江工程學(xué)院學(xué)報;2007年02期

9 李衛(wèi)平;楊杰;;基于隨機梯度矩陣分解的社會網(wǎng)絡(luò)推薦算法[J];計算機應(yīng)用研究;2014年06期

10 祝永健;陳琛;;一種新的異構(gòu)網(wǎng)絡(luò)中基于上下文相關(guān)的推薦模型[J];硅谷;2013年23期

相關(guān)博士學(xué)位論文 前5條

1 王中卿;基于文本信息的社會關(guān)系分析與研究[D];蘇州大學(xué);2016年

2 王嘯;基于生成模型和矩陣分解的社區(qū)發(fā)現(xiàn)算法研究[D];天津大學(xué);2015年

3 王科強;基于矩陣分解的個性化推薦系統(tǒng)[D];華東師范大學(xué);2017年

4 李英明;矩陣分解在數(shù)據(jù)挖掘中的應(yīng)用[D];浙江大學(xué);2014年

5 陳根浪;基于社交媒體的推薦技術(shù)若干問題研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 秦曉暉;個性化微博推薦方法研究[D];華南理工大學(xué);2015年

2 劉鳳林;基于矩陣分解的協(xié)同過濾推薦算法研究[D];南京理工大學(xué);2015年

3 李源鑫;基于提升的信任融合矩陣分解推薦算法[D];福建師范大學(xué);2015年

4 陳洪濤;基于矩陣分解的常規(guī)與長尾捆綁推薦的博弈研究[D];福建師范大學(xué);2015年

5 張濟龍;基于概率矩陣分解的推薦算法研究[D];燕山大學(xué);2015年

6 鄧志豪;基于物品相似度和主題回歸的矩陣分解推薦算法[D];浙江大學(xué);2015年

7 余露;利用矩陣分解算法建模數(shù)據(jù)稀疏環(huán)境下用戶協(xié)同行為[D];杭州師范大學(xué);2015年

8 倪澤明;混合用戶行為建模的概率矩陣分解推薦算法[D];浙江大學(xué);2015年

9 吳世偉;社會網(wǎng)絡(luò)中的鏈接分析[D];復(fù)旦大學(xué);2014年

10 孫偉彬;基于高維顯性特征的矩陣分解推薦[D];大連理工大學(xué);2015年

，

本文編號：2167370