基于多维度特征的主题标签流行度预测

王新乐^1,2(),杨文峰³,廖华明¹,王永庆¹,刘悦¹,俞晓明¹,程学旗¹

1. 中国科学院计算技术研究所, 中国科学院网络数据科学与技术重点实验室, 北京 100190
2. 中国科学院大学, 北京 100190
3. 中国移动(苏州)软件技术有限公司, 江苏 苏州 215000

收稿日期:2018-10-17出版日期:2020-01-20发布日期:2020-01-10

作者简介:王新乐(1992—),男,硕士研究生,研究方向为机器学习. E-mail:wangxinle92@163.com
基金资助:国家自然科学基金资助项目(61472400);国家自然科学基金资助项目(61572473);国家自然科学基金资助项目(61425016);国家重点研发计划资助项目(2016QY03D0504)

Topic tag popularity prediction based on multi-dimensional features

Xin-le WANG^1,2(),Wen-feng YANG³,Hua-ming LIAO¹,Yong-qing WANG¹,Yue LIU¹,Xiao-ming YU¹,Xue-qi CHENG¹

1. CAS Key Laboratory of Network Data Science and Technology, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China
2. Graduate Universityof Chinese Academyof Sciences, Beijing 100049, China
3. China Mobile (Suzhou) Software Technology Co. LTD, Suzhou 215000, Jiangsu, China

Received:2018-10-17Online:2020-01-20Published:2020-01-10

摘要/Abstract

摘要： 对用户网络结构信息和主题标签的情感性、地域性等信息进行特征分析,提出了一种考虑用户粉丝网络结构特征以及主题标签自身特性的流行度预测模型。实验表明,新提出的特征是有效的,对以后主题标签的流行度预测具有较高的参考价值。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3213