融合句义结构模型的短文本推荐算法研究

摘要：

传统的基于协同过滤的推荐系统需要收集用户兴趣喜好等相关数据,在一定程度上涉及到用户的个人隐私,当前信息安全和隐私保护是数据挖掘领域的热点之一,为了有效避免用户信息泄露带来的安全问题,提出一种融合句义结构模型的短文本推荐方法.该方法以句子为研究对象,首先利用LDA主题模型构建文章-主题矩阵,划分子主题,然后利用句义结构模型抽取句子的语义格得到句子的语义特征,基于LDA主题模型使用句义结构计算句子两两之间的语义相似度,构建相似度矩阵,融合句子的语义特征和关联特征综合加权得到句子权值,以文章内最高单句权值衡量文章权值,将文章权值统一进行排序,按照排序顺序去冗余后依次推荐.在压缩比为0.5％的条件下,ROUGE-1值达到31.388％,ROUGE-SU*达到15.701％.实验结果表明,以句子为粒度的短文本推荐算法能丰富文本的特征信息、深化语义分析层次,在数据处理过程中未收集用户信息,从而有效避免用户信息泄露等安全问题,实现更加安全、快速向用户推荐文本.

关键词：微博、短文本推荐、主题模型、自然语言处理、信息安全

所属期刊栏目：1

分类号：TP391(计算技术、计算机技术)

资助基金：国家242信息安全计划资助项目2005C48;北京理工大学科技创新计划重大项目培育专项2011CX01015

在线出版日期：2016-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：67-73