-
公开(公告)号：CN107122494B
公开(公告)日：2020-06-26
申请号：CN201710361414.0
申请日：2017-05-22
Applicant: 南京大学
Abstract: 本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤：基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
公开(公告)号：CN108717445A
公开(公告)日：2018-10-30
申请号：CN201810472084.7
申请日：2018-05-17
Applicant: 南京大学
Abstract: 本发明公开了一种基于历史数据并采用数据挖掘分析技术的社交平台用户兴趣推荐方法，包括以下步骤：1)用户数据预处理阶段；2)用户兴趣发现阶段；3)用户推荐阶段；本发明是利用数据挖掘技术为网络社交平台用户提供符合其实时兴趣的个性化推荐服务方案，利用动态主题追踪提高对用户的实时兴趣的发现准确性。与传统推荐方法相比，本发明更加准确高效，并具有实现简单、复杂度低的优点。
-
公开(公告)号：CN107122494A
公开(公告)日：2017-09-01
申请号：CN201710361414.0
申请日：2017-05-22
Applicant: 南京大学
Abstract: 本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤：基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
-
Search Results
3
records
(took 0.014 seconds)
