主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
仲兆满,管燕,胡云,李存华.基于背景和内容的微博用户兴趣挖掘.软件学报,2017,28(2):278-291
基于背景和内容的微博用户兴趣挖掘
Mining User Interests on Microblog Based on Profile and Content
投稿时间:2015-08-29  修订日期:2015-12-02
DOI:10.13328/j.cnki.jos.005030
中文关键词:  微博网络  用户兴趣表示  用户静态兴趣  用户动态兴趣  用户兴趣挖掘  用户兴趣相似度计算
英文关键词:microblog network  user interest representation  user static interest  user dynamic interest  user interest mining  user interest similarity calculation
基金项目:国家自然科学基金(61403156);江苏省科技厅产学研前瞻性联合研究基金(BY2015048-02)
作者单位E-mail
仲兆满 淮海工学院 计算机工程学院, 江苏 连云港 222005
江苏金鸽网络科技有限公司 软件研发中心, 江苏 连云港 222005 
zhongzhaoman@163.com 
管燕 淮海工学院 计算机工程学院, 江苏 连云港 222005  
胡云 淮海工学院 计算机工程学院, 江苏 连云港 222005  
李存华 淮海工学院 计算机工程学院, 江苏 连云港 222005  
摘要点击次数: 1172
全文下载次数: 2753
中文摘要:
      微博用户兴趣挖掘是个性化推荐、社群划分的基础工作.在深入分析微博网络特点的基础上,给出了能够揭示微博网络多模性的描述模型,对面向微博网络的后续研究具有参考价值.根据微博网络的特点,提出了基于背景的用户静态兴趣表示及挖掘方法,以及基于微博的用户动态兴趣表示和挖掘方法.针对微博网络中缺少背景信息、发表微博很少的大量不活跃用户,提出了基于关注的用户兴趣挖掘方法.以新浪微博为例,选取了时尚、企业管理、教育、军事、文化这5个领域进行用户兴趣挖掘及相似度计算的实验分析和比较,结果表明,与主流的兴趣挖掘方法相比,该微博用户兴趣的表示和挖掘方法可以有效地改善微博用户兴趣挖掘的效果.
英文摘要:
      Mining user interests on microblog is the basis for personalized recommendation and community classification. A descriptive model of microblog network is proposed based on the in-depth analysis over the characteristics of microblog in the work, revealing properties of multi-mode microblog. The representation and mining method of profile-based static user interests and microblog post-based dynamic user interests are proposed respectively according to the characteristics of microblog network. For mining inactive users with little profile and few microblog posts, a method of follower-based interest mining is proposed. In the case study of Sina microblog, users in fashion, business management, education, military and culture are selected for experimental analysis and comparison of interest mining and similarity calculation. Experimental results show that the proposed representation and mining method can effectively improve user interest mining comparing with other state-of-the-art methods.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利