论文部分内容阅读
为提高个性化标签推荐方法性能，提出基于Gibbs采样推理的微博个性化标签隐含关系主题模型（Rela—tion Topic Model，RTM）推荐算法．首先，利用图形化形式对微博中的潜在局部信息进行表达，对用户主题分布为代表的用户进行top-k相似用户发现，然后计算出现在这些用户中的所有标签的频率，并推荐与用户最相关的标签．其次，为挖掘潜在主题信息，利用带惩罚项的增强型余弦相似度RTM模型对微博标签进行命名，大大提高联合建模对潜在主题生成标签的影响，并可发现全局标签和主题之间的关系；最后，通过真实的实验结