基于微博内容的用户兴趣爱好分类模型.pdfVIP

20 第． ． 1357年卷6月第．3期 Journalo台f州Ta学iz院ho学u报University Vo1．37．No．3 Jun． 2015 基于微博内容的用户兴趣爱好分类模型 高 哲，罗挺豪，赵琰言，杜健平，唐建鹏，陈荣钦★ (台州学院 数学与信息工程学院，浙江 临海 317000) 摘 要：微博数据具有较好的价值，如何从海量的微博数据中自动提取用户兴趣爱好是智能推荐、微博营销等重 要基础。在分析微博特征基础上，采用基于微博内容的兴趣爱好分类模型，通过构建兴趣爱好词典。并 自动抓取微 博信息进行分词、匹配和统计 ，有效地分析出用户的各种爱好兴趣度。 关键词：微博内容；数据挖掘；兴趣分类；微博营销；分词 DOI：10．13853j／．cnki．issn．1672-3708．2015．03．004 微博作为一个基于用户关系信息分享、传播和获取的平台，具备速度快、信息量大、实时开放、实名制 等特点，逐渐成为企业营销的一个重要工具[。但微博用户和信息规模往往很大，如截至2014年 l2月31 日，Twitter每月活跃用户数为2．88亿，新浪微博的月均活跃用户数达 1．757亿，如何在海量的微博用户 中精准地定位用户对象并进行智能推荐是微博营销的关键问题。 企业营销中需要考虑的一个重要问题是用户的兴趣爱好，因为它往往能够直接反映用户的购物趋 向。兴趣爱好一致的用户，其购买的产品也往往具有较大的相似性，因此分析用户的兴趣爱好对智能推荐 和微博营销也具有重要意义。 1 相关研究 目前，已经有不少基于微博的用户研究，盛宇[2]针对微博特定领域的用户特征进行分析和分类，比如 性别、地区、认证、博文数、转发数、个人介绍、个人标签、参与话题、博龄、关注度、互粉率等。王静等人则研 究了新浪微博的人气用户，针对名人具有关注数小，被关注数大的特征，分析了微博中的名人效应[引。微 博的核心用户兴趣相似性和挖掘也是研究的热点 ]，通过分析用户所关注的人进行聚类和相似性分析， 可以较好地确定兴趣圈子[4]。余珊琳等人[6]则通过分析用户浏览的主题网页，在主题网页的浏览时间，是 否有回复来获得用户的兴趣度，并通过兴趣度的高低，采用基于粗糙K均值的用户兴趣度的用户聚类方 法对用户进行聚类 ，同时实现对虚拟社区核心用户的挖掘。陈海强等人则提出了基于兴趣集中性的核心 成员求解算法，并在豆瓣网的虚拟社区中进行了有效验证[们。 本文则针对微博内容能够反映用户兴趣爱好的特点，直接对微博信息内容进行分析，从而进一步提 取出用户的兴趣爱好并进行分析和统计。 2 兴趣爱好分类模型 由于微博文本往往具有以下几方面的特点：(1)短文本性 ：如新浪微博的字数限制在 140个字符以 收稿 日期 ：2015—04—23；修回日期：2015—05—11 通讯作者简介：陈荣钦(1979一 )，浙江台州人，讲师，硕士，主要从事图形图像研究。 第3期 高 哲，罗挺豪，赵玟言，杜健平 ，唐建鹏，陈荣钦 ：基于微博 内容的用户兴趣爱好分类模型 19 内；(2)实时海量：随着移动设备的普及，用户随时随地都可能发布信息，如新浪微博每天均有数亿条微博 信息，信息传播速度非常之快；(3)内容随意：微博文本往往贴近生活，口语化较重，并充斥着各种网络用 语 ；(4)主动性：微博内容往往由用户有感而发，能表达用户性格、情绪、兴趣爱好等有利于营销的重要信 息；(5)话题性：用户往往对某个共同话题持续地关注和回复，形成了上下文信息。本文从微博文本的特点 出发，提出了兴趣爱好分类模型，整个模型如图l所示，分为几个步骤：(1)抓取大量与兴趣爱好相关的文 章并进行分词，形成兴趣爱好词典；(2)定时抓取活跃度较高的微博用户 ，并提取出用户的微博内容并进 行分词；(3)根据兴趣爱好词典，对用户的微博关键词进行匹配和统计，确定用户的兴趣爱好。 聚类 分析 图1 用户兴趣爱好分类模型图 2．1 数据预处理 微博的数据量太大，一般需要实现 自动抓取技术[8]，这也是数据预处理的第一个重要步骤。以新浪微