融合LDA的卷积神经网络主题爬虫研究

传统的主题爬虫在计算主题相似度时,通常采用基于词频、向量空间模型以及语义相似度的方法,给相似度计算准确率的提升带来一定瓶颈。因此,提出融合LDA的卷积神经网络主题爬虫,将主题判断模块视为文本分类问题,利用深度神经网络提升主题爬虫的性能。在卷积层之后拼接LDA提取的主题特征,弥补传统卷积神经网络的主题信息缺失。实验结果表明,该方法可以有效提升主题判断模块的平均准确率,在真实爬取环境中相比其他方法更具优势。     

群组推荐分析与研究综述

随着大数据时代的到来，推荐系统的应用领域也愈发广泛，组推荐系统的推荐服务对象由单一用户扩展为群组成员，正成为推荐系统领域的研究热点之一。组推荐系统需要考虑所有群体成员的偏好，将各成员的偏好融合，缓解群组成员之间的偏好冲突，使推荐结果尽可能满足所有群组成员。主要对最近的组推荐的研究进展进行综述，分别对群组分类、群组发现、群组预测推荐的前沿进行总结，并概括了群组推荐的影响因素。最后，对组推荐的研究点及其展望分别进行阐述。