基于遗忘曲线的微博用户兴趣模型

为解决微博用户兴趣漂移问题,以人类记忆学中遗忘曲线为基础,提出一种微博用户兴趣模型,利用用户历史信息预测当前兴趣。在预测过程中,用户关注某信息的时间距离当前时间越远,该信息越容易被遗忘,其对用户当前兴趣的影响越小;用户关注某一领域的信息越多,印象越深刻,对该领域的兴趣度越高。这两点与人类对知识逐渐遗忘和重复学习的过程具有高度相似性,因此该模型预测准确性更高。实验结果表明,该模型能较好地预测微博用户兴趣,召回率可达85.3％,实用性较强。     

基于融合特征的虚假评论检测方法

针对现有虚假评论检测方法未充分利用用户历史行为中蕴含的动态信息,首先利用时序分析模型从这些动态信息中挖掘能够刻画用户行为的动态特征;其次,融合这些动态特征与用户层面静态特征发现可疑用户,并将用户可疑概率传播至用户所发表评论得到评论可疑概率;最后,融合评论可疑概率与评论层面静态特征形成融合特征,使用PU-Learning分类策略实现虚假评论的检测。真实数据集上的实验表明,本文方法的性能优于现有方法。     

一种基于遗忘规律的微博用户关注度计算方法

准确把握微博用户所关心的领域对于目标营销和个性化推荐具有重要意义。利用用户历史关注信息预测用户将来可能关注的领域,是一种解决该问题的有效思路。此过程中,若用户关注某一领域的信息越多说明用户将来关注该领域的可能性越大;关注某信息的时间距离当前时间越近,则该信息的参考价值越大。这两点与人类对知识重复学习强化记忆和逐渐遗忘的过程非常相似,因此以人类遗忘规律为基础,提出了一种微博用户关注度计算方法。真实数据集上的实验表明,该方法能够很好地预测用户关注度分布情况。     

基于评论树的微博社区热门话题检测方法

首先在分析微博文本特点的基础上设计了一种垃圾微博的过滤算法;针对微博数据稀疏性这一问题,利用社区内部联系紧密的特性,提出了微博评论树的概念和一种话题热度评价模型.最后基于以上两点提出了一种微博社区热门话题检测方法.真实数据集上的实验表明了过滤的必要性和所提出的微博社区热门话题检测方法的有效性.