彭泽环
- 作品数：2 被引量：21H指数：2
- 供职机构：中国科学院软件研究所更多>>
- 发文基金：国家自然科学基金北京市重点实验室开放基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于排序学习的微博用户推荐被引量：15
- 2013年
- 该文在分析总结影响微博用户推荐的四大类信息,包括用户的内容信息、个人信息、交互信息和社交拓扑信息的基础上,提出一个基于排序学习的微博用户推荐框架,排序学习的本质是用机器学习中的分类或回归方法解决排序问题,该框架可以综合各类信息特征进行用户推荐。实验结果表明:(1)融合多个特征综合推荐通常可以取得更好的推荐效果;(2)基于用户个人信息、交互信息、社交拓扑信息的推荐效果均好于基于用户内容的推荐效果。
- 彭泽环孙乐韩先培石贝
- 社区热点微博推荐研究被引量：7
- 2015年
- 分析并总结了影响用户对特定微博兴趣的若干因素,在此基础上基于潜在因素模型提出了1个融合显式特征和潜在特征的社区热点微博推荐算法(community micro-blog recommendation,CMR),并将其用于发现微博兴趣社区热点信息.算法在3个兴趣社区上进行了实验,结果表明:1)融合2种特征信息的微博推荐效果好于使用单一特征信息的推荐;2)CMR的推荐效果好于基于转发次数的对照实验(micro-blog repost rank based recommendation,MRR);3)通过分析各个算法所推荐的微博内容,发现CMR倾向于为用户推荐兴趣社区相关微博,而MRR倾向于为用户推荐公共热点微博.
- 彭泽环孙乐韩先培陈波
- 关键词：信息过载
