本文選題：個(gè)性化博文推薦 + k-means文本聚類(lèi)��； 參考：《情報(bào)科學(xué)》2016年04期

【摘要】：隨著社交網(wǎng)絡(luò)的發(fā)展,人們?cè)谶@個(gè)"信息爆炸"的時(shí)代,卻有了"信息饑渴"的困惑。新浪微博用戶(hù)目前面臨的主要問(wèn)題有兩個(gè):一是若不及時(shí)查看微博,則用戶(hù)想看的有關(guān)話(huà)題的博文將被排到了最后,很可能被忽略;二是若用戶(hù)對(duì)其中的某一博文所討論的話(huà)題感興趣,則會(huì)想得到更多關(guān)于該話(huà)題的信息。文章首先使用K-means文本聚類(lèi)算法提取出用戶(hù)關(guān)注的話(huà)題,使用因子分析法進(jìn)行指標(biāo)分析,構(gòu)建用戶(hù)影響力和博文影響力模型,再通過(guò)RS分值排名法和線(xiàn)性回歸法確定用于博文影響力和用戶(hù)影響力的參數(shù)值,最后提出了基于K-means文本聚類(lèi)算法的個(gè)性化新浪博文及時(shí)推薦模型。通過(guò)實(shí)驗(yàn)驗(yàn)證,文章提出的方法能很有效地解決個(gè)性化博文及時(shí)推薦問(wèn)題。
[Abstract]:With the development of social network, people in this "information explosion" era, but have "information hunger" confusion. Sina Weibo users are currently facing two main problems: first, if you do not view the Weibo in time, the user would like to see the topic of blog will be ranked at the end of the list, is likely to be ignored; Second, if users are interested in a topic discussed in a blog post, they will want more information about the topic. Firstly, the K-means text clustering algorithm is used to extract the topics concerned by the user, and the factor analysis method is used to analyze the index, and the model of user influence and blog influence is constructed. Then the parameter values used for the influence of blog and user are determined by RS ranking method and linear regression method. Finally, a personalized Sina blog timely recommendation model based on K-means text clustering algorithm is proposed. The experimental results show that the proposed method can effectively solve the problem of timely recommendation of personalized blog posts.
【作者單位】： 四川大學(xué)商學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(71372189) 四川大學(xué)中央高�；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目(skqy201406)
【分類(lèi)號(hào)】：TP391.1;G206

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁X;許侃;;基于文本聚類(lèi)方法的我國(guó)科技管理研究領(lǐng)域的計(jì)量研究[J];科學(xué)學(xué)研究;2007年S1期

2 丘志宏;宮雷光;;利用上下文提高文本聚類(lèi)的效果[J];中文信息學(xué)報(bào);2007年06期

3 馬娜;;文本聚類(lèi)研究[J];電腦知識(shí)與技術(shù);2009年20期

4 王崇國(guó);;以事件為特征的文本聚類(lèi)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2010年08期

5 王利峰;;動(dòng)態(tài)索引樹(shù)文本聚類(lèi)方法中節(jié)點(diǎn)閥值的優(yōu)化[J];電腦開(kāi)發(fā)與應(yīng)用;2010年09期

6 高松;馮志偉;;基于依存樹(shù)庫(kù)的文本聚類(lèi)研究[J];中文信息學(xué)報(bào);2011年03期

7 曲超;潘曉衡;朱君;蔡少仲;胡天明;;基于單詞超團(tuán)的文本聚類(lèi)方法[J];計(jì)算機(jī)工程;2011年11期

8 周揚(yáng);屈武斌;盧一鳴;張成崗;楊毅;;基于文本頻譜的中文文本聚類(lèi)方法[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

9 明均仁;;基于本體圖的文本聚類(lèi)模型研究[J];情報(bào)科學(xué);2013年02期

10 趙世奇;劉挺;李生;;一種基于主題的文本聚類(lèi)方法[J];中文信息學(xué)報(bào);2007年02期

相關(guān)會(huì)議論文 前10條

1 趙世奇;劉挺;李生;;一種基于主題的文本聚類(lèi)方法[A];第三屆學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2006年

2 王洪俊;俞士汶;蘇祺;施水才;肖詩(shī)斌;;中文文本聚類(lèi)的特征單元比較[A];第二屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議（NCIRCS-2005）論文集[C];2005年

3 胡吉祥;許洪波;劉悅;王斌;程學(xué)旗;;基于重復(fù)串的短文本聚類(lèi)研究[A];全國(guó)第八屆計(jì)算語(yǔ)言學(xué)聯(lián)合學(xué)術(shù)會(huì)議（JSCL-2005）論文集[C];2005年

4 白剛;張錚;丁宗堯;朱毅;;中文文本聚類(lèi)在互聯(lián)網(wǎng)搜索的研究與應(yīng)用[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

5 王明文;付劍波;羅遠(yuǎn)勝;陸旭;;基于協(xié)同聚類(lèi)的兩階段文本聚類(lèi)方法研究[A];第四屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

6 張猛;王大玲;于戈;;一種基于自動(dòng)閾值發(fā)現(xiàn)的文本聚類(lèi)方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

7 王樂(lè);田李;賈焰;韓偉紅;;一個(gè)并行的文本聚類(lèi)混合算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

8 王瑩;劉楊;;維基百科的文本聚類(lèi)方法分析[A];2009年研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)論文集[C];2009年

9 張寶艷;王慶輝;;中文文本聚類(lèi)的研究與實(shí)現(xiàn)[A];第一屆學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2002年

10 章成志;;基于多語(yǔ)文本聚類(lèi)的主題層次體系生成研究1)[A];國(guó)家自然科學(xué)基金委員會(huì)管理科學(xué)部宏觀管理與政策學(xué)科青年基金獲得者交流研討會(huì)論文集[C];2010年

相關(guān)博士學(xué)位論文 前3條

1 徐森;文本聚類(lèi)集成關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

2 高茂庭;文本聚類(lèi)分析若干問(wèn)題研究[D];天津大學(xué);2007年

3 孟憲軍;互聯(lián)網(wǎng)文本聚類(lèi)與檢索技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2009年

，

本文編號(hào)：1875030