| 基于排序学习的微博用户推荐 |
| |
| 引用本文： | 彭泽环,孙乐,韩先培,石贝.基于排序学习的微博用户推荐[J].中文信息学报,2013,27(4):96-103. |
| |
| 作者姓名： | 彭泽环 孙乐 韩先培 石贝 |
| |
| 作者单位： | 中国科学院 软件研究所 基础软件中心,北京 100190 |
| |
| 基金项目： | 国家自然科学基金资助项目，网络文化与数字传播北京市重点实验室开放课题资助项目，核高基科技重大专项子课题资助项目 |
| |
| 摘 要： | 该文在分析总结影响微博用户推荐的四大类信息,包括用户的内容信息、个人信息、交互信息和社交拓扑信息的基础上,提出一个基于排序学习的微博用户推荐框架,排序学习的本质是用机器学习中的分类或回归方法解决排序问题,该框架可以综合各类信息特征进行用户推荐。实验结果表明 (1)融合多个特征综合推荐通常可以取得更好的推荐效果;(2)基于用户个人信息、交互信息、社交拓扑信息的推荐效果均好于基于用户内容的推荐效果。
|
| 关 键 词： | 排序学习 用户推荐 微博 |
Micro-blog User Recommendation Using Learning to Rank |
| |
| PENG Zehuan
,
SUN Le
,
HAN Xianpei
,
SHI Bei.Micro-blog User Recommendation Using Learning to Rank[J].Journal of Chinese Information Processing,2013,27(4):96-103. |
| |
| Authors: | PENG Zehuan SUN Le HAN Xianpei SHI Bei |
| |
| Affiliation: | NFS, Institute of Software Technology, Chinese Academy of Sciences, Beijing 100190, China |
| |
| Abstract: | This paper summarized four types of recommendation-related user information from micro-blog systemthe user content(UC), the personal information(PI), the interaction(IA) and the social topological information(ST). Based on the four types of information, a user recommendation framework using learning-to-rank technology is built in the paper. Experiment results show(1) using several features to recommend usually get a better result than using a single feature; (2) recommendation performance based on UC, PI, IA respectively is better than that based on UC.
Key wordslearning to rank; user recommendation; micro-blog. |
| |
| Keywords: | learning to rank user recommendation micro-blog |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《中文信息学报》浏览原始摘要信息 |
|
点击此处可从《中文信息学报》下载全文 |
|
