基于主題模型的企業(yè)微博推薦方法研究與實(shí)現(xiàn).pdf

1、隨著PC互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)開始融入人們的生活，人們?cè)诰W(wǎng)上的活動(dòng)變得越來越頻繁，微博作為一種新興的社交平臺(tái)的出現(xiàn)，滿足了人們信息獲取、日常交流等目的。
　　企業(yè)微博作為一種特殊的微博群體，可以幫助企業(yè)更加方便地進(jìn)行產(chǎn)品營(yíng)銷、客戶溝通以及行業(yè)信息動(dòng)態(tài)把握，從而可以從中挖掘出更多的商機(jī)，促進(jìn)企業(yè)發(fā)展。然而由于微博平臺(tái)信息過載的問題，對(duì)于某些企業(yè)微博用戶來講，關(guān)注用戶數(shù)過多導(dǎo)致很多行業(yè)相關(guān)的微博消息被其他消息所掩蓋，未關(guān)注到的行業(yè)相關(guān)的企

2、業(yè)微博用戶發(fā)布的有潛在價(jià)值的消息難以獲得，如何從包含大量無關(guān)信息的微博集合中找出行業(yè)相關(guān)的微博，從而進(jìn)行行業(yè)情況的分析，這對(duì)于企業(yè)的發(fā)展有著至關(guān)重要的作用。
　　傳統(tǒng)的文本挖掘方法多采用向量空間模型的方式進(jìn)行，而向量空間模型的方法存在自身的缺陷，就是只能根據(jù)文字表面的意義進(jìn)行分析，無法挖掘文本潛在的深層次的含義，導(dǎo)致了很多有用信息的丟失，而近年來才出現(xiàn)的主題模型在文本挖掘方面的能力已經(jīng)通過實(shí)踐得到了證明，相對(duì)于傳統(tǒng)的文本挖掘方法，

3、基于主題模型的文本挖掘?qū)τ诎l(fā)現(xiàn)文本潛在的主題特征有很好的效果。
　　對(duì)于企業(yè)微博文本來說，使用主題模型進(jìn)行建?？梢院芎玫赝诰虺銎髽I(yè)微博用戶的行業(yè)興趣或者對(duì)不同的行業(yè)微博消息進(jìn)行區(qū)分，這可以幫助企業(yè)更好更快地獲取到所需要的行業(yè)相關(guān)的商業(yè)信息，從而進(jìn)行決策。
　　本文基于主題模型來對(duì)企業(yè)微博用戶進(jìn)行行業(yè)主題建模，同時(shí)使用向量空間模型進(jìn)行行業(yè)特征選擇，從而建立企業(yè)微博用戶的行業(yè)向量，并在以上基礎(chǔ)上實(shí)現(xiàn)企業(yè)微博用戶以及企業(yè)微博消息的

4、推薦，本文研究的工作體現(xiàn)在以下兩個(gè)方面:
　　1.本文通過BIG DATA爬蟲開放平臺(tái)獲取了新浪企業(yè)微博消息作為實(shí)驗(yàn)數(shù)據(jù)，并且使用了LDA模型和作者主題模型ATM實(shí)現(xiàn)企業(yè)微博用戶主題維度的行業(yè)興趣建模，實(shí)驗(yàn)證明對(duì)于企業(yè)微博進(jìn)行主題建模是可行的，其中作者主題模型ATM的建模效果要優(yōu)于LDA模型的建模效果，這是因?yàn)長(zhǎng)DA模型對(duì)于短文本的主題建模效果不理想，而ATM模型中將微博消息以用戶為單位整合后在一定程度上消除了文本長(zhǎng)度過短的缺點(diǎn)。