社會(huì)化標(biāo)注中用戶動(dòng)態(tài)興趣主題挖掘.pdf

1、在社會(huì)化標(biāo)注中，用戶采用標(biāo)簽的方式對自己感興趣的資源基于自身理解進(jìn)行無約束標(biāo)注，標(biāo)簽作為用戶所選擇的關(guān)鍵詞，反映了用戶對信息資源的看法及其興趣所在。用戶興趣的發(fā)現(xiàn)獲取是個(gè)性化推薦的基礎(chǔ)和核心，現(xiàn)有研究主要聚焦于從數(shù)量和結(jié)構(gòu)上考慮用戶與標(biāo)簽的關(guān)系，而實(shí)際情況往往是，標(biāo)簽只是反映用戶興趣的一個(gè)單一詞匯，用戶的興趣往往是由多個(gè)標(biāo)簽形成的集合所刻畫的主題，而且標(biāo)簽隨用戶標(biāo)注時(shí)序動(dòng)態(tài)變化的特點(diǎn)也會(huì)影響用戶興趣的刻畫。因此本文結(jié)合國家自然科學(xué)基金項(xiàng)

2、目“泛在計(jì)算環(huán)境中社會(huì)化驅(qū)動(dòng)的情境感知個(gè)性化信息服務(wù)研究”（項(xiàng)目編號:71471165），研究了社會(huì)化標(biāo)注中用戶動(dòng)態(tài)興趣主題的挖掘，系統(tǒng)地闡述了用戶興趣主題模型的構(gòu)建方法，提出了基于動(dòng)態(tài)標(biāo)簽關(guān)聯(lián)指標(biāo)來挖掘有效的用戶興趣主題并展開實(shí)驗(yàn)研究。本文的主要工作和貢獻(xiàn)如下:
　　(1)構(gòu)建了主題模型獲取標(biāo)簽主題。以“用戶-標(biāo)簽”二元關(guān)系為基礎(chǔ)，把用戶標(biāo)注信息作為語料庫，標(biāo)簽被看作是這個(gè)語料庫中的詞，從而構(gòu)建LDA模型挖掘潛在的標(biāo)簽主題。將原

3、本雜亂無章、動(dòng)態(tài)變化的標(biāo)簽劃分成具有主題的簇，從而克服標(biāo)簽本身的不確定性和不一致性。
　　(2)提出了動(dòng)態(tài)關(guān)聯(lián)指標(biāo)獲取用戶標(biāo)簽興趣。建立關(guān)聯(lián)空間模型來描述用戶與標(biāo)簽集的聯(lián)系，通過分析社會(huì)化標(biāo)簽系統(tǒng)的具有時(shí)序特征的標(biāo)注過程，考慮標(biāo)簽的時(shí)序特征，定義了反映數(shù)量特征的強(qiáng)度指標(biāo)和反映時(shí)間變化的穩(wěn)定性指標(biāo)，通過動(dòng)態(tài)關(guān)聯(lián)指標(biāo)獲取用戶動(dòng)態(tài)標(biāo)簽興趣。
　　(3)用戶動(dòng)態(tài)興趣主題挖掘。結(jié)合標(biāo)簽主題模型和用戶動(dòng)態(tài)標(biāo)簽興趣，將兩者進(jìn)行相似性計(jì)算，

4、得到用戶動(dòng)態(tài)興趣主題，從而有效地實(shí)現(xiàn)了用戶標(biāo)簽集到用戶興趣主題的動(dòng)態(tài)對應(yīng)。
　　(4)選取來自Last.fm社會(huì)化標(biāo)注平臺(tái)中真實(shí)的用戶標(biāo)注數(shù)據(jù)，開展用戶興趣主題挖掘的實(shí)驗(yàn)研究，利用覆蓋度Acc和準(zhǔn)確率Rec對本文提出的基于動(dòng)態(tài)關(guān)聯(lián)指標(biāo)挖掘的用戶興趣主題模型的有效性進(jìn)行驗(yàn)證。
　　研究表明，本文提出的基于動(dòng)態(tài)關(guān)聯(lián)指標(biāo)挖掘的用戶興趣主題在有效性方面有較好表現(xiàn)，且明顯優(yōu)于基于TF方法和基于TF-IDF方法挖掘的用戶興趣主題，研究結(jié)