微博个性化标签图形化RTM模型Gibbs采样推荐

作     者：刘真臻 徐东平 LIU Zhen-zhen;XU Dong-ping

作者机构：武汉理工大学计算机科学与技术学院湖北武汉430063 

出 版 物：《微电子学与计算机》 (Microelectronics & Computer)

年 卷 期：2017年第34卷第12期

页      面：138-144页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：Gibbs采样 微博标签 关系主题模型 top-k算法 

摘      要：为提高个性化标签推荐方法性能,提出基于Gibbs采样推理的微博个性化标签隐含关系主题模型(Relation Topic Model,RTM)推荐算法.首先,利用图形化形式对微博中的潜在局部信息进行表达,对用户主题分布为代表的用户进行top-k相似用户发现,然后计算出现在这些用户中的所有标签的频率,并推荐与用户最相关的标签.其次,为挖掘潜在主题信息,利用带惩罚项的增强型余弦相似度RTM模型对微博标签进行命名,大大提高联合建模对潜在主题生成标签的影响,并可发现全局标签和主题之间的关系;最后,通过真实的实验结果显示,所提推荐方法要优于选取的TF-IDF、RTMSA等几种经典标签推荐算法,验证了算法有效性.