HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于LDA主题模型的用户兴趣层级演化研究

作者:夏立新; 曾杰妍; 毕崇武; 叶光辉社会化标签lda用户兴趣层级结构

摘要:【目的】探究用户兴趣层级结构,揭示用户兴趣层级演化规律,以提高个性化信息服务的质量,满足用户信息需求。【方法】利用LDA主题模型获取用户标签主题;通过定义标签兴趣度计算公式,并结合提取的用户标签主题,动态感知用户兴趣;依据构建的兴趣网络划分用户兴趣核心-边缘结构,进而分析用户兴趣层级结构的演化规律。【结果】用户兴趣的核心-边缘结构会随着用户兴趣领域的确定而逐渐收敛并趋于稳定。时间序列下用户兴趣层级的升降级演化主要包括始终处于核心层、核心层向边缘层淡化和边缘层向核心层晋升三种。【局限】基于已有用户兴趣层级演化规律进行未来时间节点下的用户兴趣预测和评估需要进一步探究。【结论】该方法能够更加精准地感知和预测用户动态变化的兴趣,评估时间序列下用户各兴趣程度的高低并划分用户兴趣层级,进而得到用户兴趣层级演化规律,有助于优化个性化信息服务。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

数据分析与知识发现

《数据分析与知识发现》(CN:10-1478/G2)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《数据分析与知识发现》内容定位于广泛吸纳计算机科学、数据科学、情报科学以及数字科研、数字教育和数字文化等领域的技术与方法,研究数据驱动的语义计算、内容分析、数据挖掘、知识发现、智能管理和决策支持等方面的技术、方法、系统以及支撑设施、政策与机制等,尤其是聚焦从海量、异构、分布、动态、甚至富媒体数据中挖掘和发现知识以支持研究、管理和决...

杂志详情