支持联机分析处理的推特用户兴趣维层次提取方法

JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY（2017）

引用 0|浏览2

暂无评分

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(On-Line 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RestAPI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hLDA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.

查看译文

关键词

On-Line Analytical Processing (OLAP),Twitter,Dimension hierarchy,Interests,Latent Dirichlet Allocation (LDA) model

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要