[發(fā)明專利]一種基于用戶雙詞主題模型的短文本推薦方法

在審

• 申請?zhí)枺?/td>: 201510979801.1
• 申請日: 2015-12-23
• 公開（公告）號: CN105608192A
• 公開（公告）日: 2016-05-25
• 發(fā)明（設(shè)計(jì)）人: 呂建;徐鋒;魏杰
• 申請（專利權(quán)）人: 南京大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 李玉平

技術(shù)領(lǐng)域

本發(fā)明涉及文本推薦，特別是側(cè)重于短文本的推薦。在主題分析技術(shù)的基礎(chǔ)上，擴(kuò) 展了雙詞模型，利用了文本的作者信息，有效增強(qiáng)了其在短文本情景下的主題提取能力，并 提高了其在短文本推薦系統(tǒng)中的預(yù)測精度。

背景技術(shù)

近年來，隨著互聯(lián)網(wǎng)與智能移動設(shè)備的快速發(fā)展，以Twitter，微博等為代表的社 交媒體應(yīng)用變得越來越受歡迎，個人網(wǎng)站，博客，社交網(wǎng)站等應(yīng)用每天會涌現(xiàn)出大量的信 息，使得用戶難以獲得有效的信息，即導(dǎo)致了嚴(yán)重的信息過載問題，用戶很難在大量產(chǎn)生的 信息中找到自己感興趣的內(nèi)容。文本推薦，可針對不同用戶的具體情況給用戶推薦滿足其 喜好的文本信息，成為了解決信息過載問題的有效途徑。

文本推薦的核心步驟之一是從文本中抽取有價值的特征，主題分析則是一種常見 的特征抽取方法。常見的主題分析技術(shù)包括，隱含語義分析(LSA)和隱含狄利克雷分布 (LDA)模型，基于LDA模型，又出現(xiàn)了多個擴(kuò)展模型如sLDA，Labeled-LDA等，這類方法均利用 到了詞語共現(xiàn)的統(tǒng)計(jì)數(shù)據(jù)來分析文本的主題分布。此類方法均以文本中的單詞為基本的處 理單位，在文本包含的單詞較少的情況下，抽取的主題質(zhì)量較差，而當(dāng)前的很多社交媒體如 Twitter、微博等文本信息均為短文本信息，上述主題分析技術(shù)較難從這些短文本中抽取出 高質(zhì)量的主題分布。

為此，也有研究工作基于LDA提出了一種雙詞主題模型BTM，試圖通過單詞間共現(xiàn) 關(guān)系，擴(kuò)展單個短文本的單詞數(shù)量，并將所有文檔集合成一個單一的大文檔進(jìn)行處理，此類 方法一定程度上提高了短文本的主題分析質(zhì)量。但此類方法存在一個較為明顯的缺陷，沒 有考慮短文本的作者信息，只依賴文本中兩個單詞的共現(xiàn)來分析短文本的主題，由于丟失 較為重要的信息，導(dǎo)致主題分析的質(zhì)量難以滿足短文本推薦的要求。

發(fā)明內(nèi)容

發(fā)明目的：由于傳統(tǒng)的以單詞為基本處理單位的文本主題分析技術(shù)難以高質(zhì)量地 抽取短文本的主題特征，使得其難以應(yīng)用于短文本推薦場景，而短文本推薦技術(shù)則是解決 當(dāng)前社交媒體中信息過載問題的有效手段。為此，本發(fā)明基于雙詞主題模型，進(jìn)一步利用短 文本的作者信息，提出了一種基于用戶聚合的雙詞主題模型，并給出了一種基于此主題抽 取模型的短文本推薦方法，有效地解決了上述問題。

技術(shù)方案：一種基于用戶雙詞主題模型的短文本推薦方法，為一種新的基于用戶 文本聚合的雙詞短文本主題分析技術(shù)，并利用該主題分析技術(shù)來分析用戶的歷史文本信 息，獲取用戶的主題偏好，實(shí)現(xiàn)了一種個性化的短文本推薦系統(tǒng)。此方法的主要內(nèi)容包括：

1)構(gòu)建基于用戶文本聚合的雙詞短文本主題模型-UBTM；

2)基于Gibbs采樣的UBTM模型求解及短文本主題推斷方法；

構(gòu)建基于用戶文本聚合的雙詞短文本主題模型-UBTM：

將文檔中的任意兩個單詞配成詞對，并且把屬于同一個用戶的文檔聚合在一起， 給出了一個新的概率圖模型UBTM。該模型有效解決了短文檔的內(nèi)容稀疏問題，并能估計(jì)出 單個用戶的主題分布(偏好)。

UBTM模型的用戶文檔生成過程如下：

依據(jù)以上過程，我們可以推斷用戶u的一個詞對b＝(w_i,w_j)的聯(lián)合概率分布：