文本表示方法对微博hashtag推荐影响研究-图书与情报.pdfVIP

年第 期 2015 3 ·专题：面向突发事件应急决策的快速响应情报体系研究· 文本表示方法对微博Hashtag 推荐影响研究* ———以Twitter上H7N9微博为例 1 1,2 邵 健 章成志 (1．南京理工大学信息管理系 江苏南京 210094 ） （2．江苏省数据工程与知识服务重点实验室（南京大学） 江苏南京 210023 ） 在总结国内外 推荐方法和短文本表示方法的基础上，文章利用基于 最近邻（ ）的 推 摘 要： Hashtag K KNN Hashtag 荐方法， 将微博文本表示为向量然后计算相似度， 从语料中选出与目标微博最相似的微博文本， 然后抽取候选 Hashtag 。 文章比较了向量空间模型（VSM ）、潜在语义分析模型（LSA ）、隐含狄利克雷分布模型（LDA ）、深度学习（DL ） 等四种文本表示方法对基于 KNN 的Hashtag 推荐效果的影响。 以Twitter 上H7N9 微博为测试数据，实验结果表明 深度学习的文本表示方法在基于KNN 的Hashtag 推荐中取得最好的效果。 关键词：Hashtag 推荐； K 最近邻； 文本表示； 深度学习 ： 中图分类号 G206.2 文献标识码：A DOI ：10.11968/tsygb.1003-6938.2015057 The Impact of Document Representation on Hashtag Recommendation for Microblog ———Use H7N9 Corpus on Twitter as Test Dataset Abstract According to the summary of various Hashtag recommendation technologies and short text representation methods, this paper uses a Hashtag recommendation method based on K-Nearest Neighbor. Firstly, we represent the texts of microblog into vectors, calculate similarities between user ’s text and training text. Then we extract the most similar blogs from the corpora. The results of four text representation methods named Vector space model, Latent semantic analysis, Latent Dirichlet allocation, Deep Learning for Hashtag recommendation are compared with each other. We use H7N9 Corpus on Twitter as our test dataset. Experimental results show that deep learning text representation method has achieved the best performance among all the methods. Key words Hashtag recommendati