主页期刊介绍编委会编辑部服务介绍相关网站在线审稿编委办公编辑办公
2018年专刊出版计划 微信服务介绍 最新一期:2017年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
王中卿,李寿山,周国栋.基于文本与社交信息的用户群组识别.软件学报,2017,28(9):2468-2480
基于文本与社交信息的用户群组识别
Personal Group Recommendation via Textual and Social Information
投稿时间:2016-01-29  修订日期:2017-02-17
DOI:10.13328/j.cnki.jos.005267
中文关键词:  群组推荐  社交网络  隐含信息  矩阵分解  因子图模型
英文关键词:group recommendation  social network  implicit information  matrix factorization  factor graph model
基金项目:国家自然科学基金(61331011,61375073,61402314)
作者单位E-mail
王中卿 苏州大学 计算机科学与技术学院 自然语言处理实验室, 江苏 苏州 215006  
李寿山 苏州大学 计算机科学与技术学院 自然语言处理实验室, 江苏 苏州 215006  
周国栋 苏州大学 计算机科学与技术学院 自然语言处理实验室, 江苏 苏州 215006 gdzhou@suda.edu.cn 
摘要点击次数: 36
全文下载次数: 64
中文摘要:
      社交媒体上的个人群体信息对于理解社交网络结构非常有用,现有研究主要基于用户之间的链接和显式社交信息识别用户的个人群体,很少考虑使用文本信息与隐含社交信息.在显式社交信息缺乏时,隐含社交信息以及文本信息对于识别用户的群体是非常有帮助的.提出一种隐含因子图模型,有效地利用各种隐含与显式的社交与文本信息对用户的群组进行识别.其中,显式的文本与社交信息是通过用户发表的文本与个人关系生成的.同时,利用矩阵分解模型自动生成隐含的文本与社交信息.最后,利用因子图模型与置信传播算法对显式与隐含的文本与社交信息进行集成,并对用户群组识别模型进行学习与预测.实验结果表明,该方法能够有效地对用户群组进行识别.
英文摘要:
      Personal group information on social media is useful for understanding social structures. Existing studies mainly focus on detecting personal groups using explicit social information between users, but few pay attention on using implicit social information and textual information. In this paper, a latent factor graph model (LFGM) is proposed to recommend personal groups for each person with both explicit and implicit information from textual content and social context. Especially, while explicit textual and social contents can be easily extracted from user generated content and personal friendship information, a matrix factorization approach is applied to generate both implicit textual and social information. Evaluation on a large-scale dataset validates the effectiveness of the proposed approach.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 
主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利