王立人
- 作品数:3 被引量:14H指数:2
- 供职机构:昆明理工大学更多>>
- 发文基金:国家自然科学基金云南省自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于主题分析和社交圈发现的微博朋友推荐
- 随着计算机互联网技术的不断创新与发展,微博凭借其简单、便捷和自由等特点,开创了新的社区互动模式,成为人们分享、传播以及获取信息的重要平台。用户如何维护现实中的好友关系以及如何扩大其社交圈的研究成为重中之重。针对微博用户推...
- 王立人
- 关键词:用户行为时间窗
- 文献传递
- 基于Listwise的深度学习专家排序方法被引量:7
- 2015年
- 针对传统专家列表排序方法易陷入局部最小和训练时间过长、不能较好逼近排序函数的问题,结合深度神经网络与Listwise的专家排序方法,提出基于Listwise的深度学习专家排序方法.该方法首先提出深度学习专家排序模型,通过无监督的自训练得到较优参数逐层初始化权重.再将查询对应的专家文档形成的训练实例输入到受限玻尔兹曼机中进行训练,通过余弦值取代矩阵相减计算权重,完成权重整体更新,构建深度学习专家排序模型.对比实验表明文中方法具有较好效果,引入深度学习能有效提升排序精度.
- 李贤慧余正涛魏斯超高盛祥王立人
- 基于有指导LDA用户兴趣模型的微博主题挖掘被引量:5
- 2015年
- 用户发布的微博内容能够体现用户兴趣,微博中用户的转发、评论、回复、他人评论等微博行为对用户兴趣具有很强的指导作用。为了有效利用用户微博行为,提出了一种基于有指导LDA(latent dirichlet allocation)的微博内容用户兴趣建模方法。首先通过分析对微博的转发、评论、回复、他人评论这4个因素对用户微博兴趣主题的影响,定义了4种约束关系;然后基于用户微博内容,将4种约束关系融合到LDA模型中构建有指导的LDA微博主题生成模型,最后得到用户的微博主题分布,从而获得用户兴趣模型。实验结果表明,相比LDA模型,该方法的准确率有很大提高,引入4种信息对微博用户兴趣发现有非常重要的指导作用。
- 王立人余正涛王炎冰高盛祥李贤慧