主題模型對多域數(shù)據(jù)的挖掘和應(yīng)用.pdf

1、當(dāng)今世界互聯(lián)網(wǎng)的快速發(fā)展給人們的生活帶來了很多便利。其中最重要的一點(diǎn)是方便了信息的分享和傳播，具體體現(xiàn)在提高了消息傳播的效率。但是互聯(lián)網(wǎng)的這種便利也造成了信息過載的問題。網(wǎng)絡(luò)可以用來來購物，交友，娛樂，瀏覽新聞，但是在大多數(shù)的應(yīng)用場景中，人們總會(huì)被很多無價(jià)值的信息干擾，特別是當(dāng)人們需要及時(shí)獲取感興趣信息，比如電影，還有志同道合的朋友的時(shí)候，這種干擾會(huì)嚴(yán)重影響用戶體驗(yàn)。在搜索引擎的幫助下，人們能夠快速地根據(jù)自己的意愿尋找有價(jià)值的信息，但是

2、當(dāng)需求很難明確的情形下，就需要推薦系統(tǒng)的幫助。
　　現(xiàn)在人們的需求是多元化的，比如在看到一個(gè)好的小說改編的電影之后也會(huì)有興趣去讀對應(yīng)的小說，網(wǎng)絡(luò)個(gè)體也許會(huì)對某一社交圈中的好友喜愛的新聞感興趣。本文將對這些在不同領(lǐng)域中出現(xiàn)的數(shù)據(jù)和信息進(jìn)行分析和研究，并發(fā)掘它們的用途。
　　本文將針對多域數(shù)據(jù)集中的信息挖掘和聚類的方法進(jìn)行研究，進(jìn)而研究跨域推薦的方法。我們提出了OVCLDA算法來同時(shí)處理分析多個(gè)領(lǐng)域的數(shù)據(jù)，并將根據(jù)數(shù)據(jù)的隱含主題

3、進(jìn)行聚類，從而可以打破域的限制。我們的模型可以求出特定單詞在隱含主題上的多項(xiàng)分布，同時(shí)也可以得到單詞到各個(gè)域上的多項(xiàng)分布。在這個(gè)模型中，域之間的信息可以跨域共享也可以保留各自獨(dú)有的特征。同時(shí)這種算法引入了在線學(xué)習(xí)的思想，能夠處理流式的數(shù)據(jù)，算法效率對比基于蒙特卡洛方法的吉布斯采樣有了很大的提高，這也就使得這種方法在當(dāng)前這個(gè)大數(shù)據(jù)時(shí)代是十分實(shí)用的。
　　主題模型在分析文本數(shù)據(jù)時(shí)有著很強(qiáng)大的能力，而基于主題模型的各種改進(jìn)模型同樣也有這

4、樣的能力。不過在常見的推薦應(yīng)用場景中，更多地是處理用戶對于物品的打分?jǐn)?shù)據(jù)，并預(yù)測用戶對未打分或未產(chǎn)生行為的物品做出合理的預(yù)測。在推薦系統(tǒng)的常見算法中有一種隱語義模型，這種模型本質(zhì)思想與主題模型是一致的，都是挖掘表面數(shù)據(jù)背后隱藏的特征和聯(lián)系，將高維度的信息用低維的隱特征來表示。我們對已有的一種傳統(tǒng)的矩陣分解算法進(jìn)行了改進(jìn)，進(jìn)而命名為DSSCM模型，從而可以在跨域推薦的問題中一定程度上解決傳統(tǒng)單域推薦經(jīng)常遇到的數(shù)據(jù)稀疏的問題。最后，我們做了