lda模型在微博用户推荐中的应用 application of lda model in microblog user recommendation.pdfVIP

下载本文档

3
0
约2.83万字
约 7页
2017-09-05 发布于上海
举报
版权申诉

lda模型在微博用户推荐中的应用 application of lda model in microblog user recommendation.pdf

1、本文档共7页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

lda模型在微博用户推荐中的应用 application of lda model in microblog user recommendation

40 5 2014 5 Vol.40 No.5 Computer Engineering May 2014 · · 2014 A TP311.13 LDA ( 100124) (LDA) LDA -- LDA -- 10 Application of LDA Model in Microblog User Recommendation DI Liang, DU Yong-ping (Institute of Computer Science and Technology, Beijing University of Technology, Beijing 100124, China) AbstractLatent Dirichlet Allocation(LDA) model can be used for identifying topic information from large-scale document set, but the effect is not ideal for short text such as microblog. This paper proposes a microblog user model based on LDA, which divides microblog based on user and represents each user with their posted microbolgs. Thus, the standard three layers in LDA model by document-topic-word becomes a user model by user-topic-word. The model is applied to user recommendation. Experiment on real data set shows that the new provided method has a better effect. With a proper topic number, the performance is improved by nearly 10. Key wordstopic model; Latent Dirichlet Allocation(LDA); microblog; user model; interest analysis; user recommendation DOI: 10.3969/j.issn2014.05.001 [4] 1 LSA [1] [5] (Vector Space Model, VSM) PLSA(Probabilistic Latent Semantic Analysis)[6] LSA ( K-means )( PLSA LSA [2] ) (tf-idf)