支持联机分析处理的推特用户兴趣维层次提取方法

作     者：俞东进 倪智勇 孙景超 YU Dongjin;NI Zhiyong;SUN Jingchao

作者机构：杭州电子科技大学计算机学院杭州310018 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2017年第39卷第9期

页      面：2081-2088页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081104[工学-模式识别与智能系统] 081201[工学-计算机系统结构] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61100043 61472112) 浙江省自然科学基金资助项目(LY12F02003) 浙江省科技计划重点资助项目(2017C01010 2016F50014)~~ 

主　　题：联机分析处理 推特 维层次 兴趣 LDA(Latent Dirichlet Allocation)模型 

摘      要：从海量推特数据中探索用户兴趣的分布规律和相关性有利于实现精确的个性化推荐。联机分析处理(OnLine Analytical Processing,OLAP)提供了一种适合人们探究数据的直观形式。将OLAP技术应用于推特数据的关键是如何挖掘和构建推特用户的兴趣维层次。针对现有方法只能提取单一层次兴趣的不足,该文提出一种支持联机分析处理的推特用户兴趣维层次提取方法。该方法首先通过Rest API获取推特数据,然后通过改进的LDA(Latent Dirichlet Allocation)模型挖掘用户的兴趣和子兴趣,最后在此基础上构建兴趣维层次结构。实验评估了该方法的模型效果和可扩展性,并证实与LDA和h LDA相比可以更有效地提取出推特用户的兴趣维层次并应用于联机分析处理。