کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4945115 1438297 2017 26 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Modeling user interest in social media using news media and wikipedia
ترجمه فارسی عنوان
مدل سازی علاقه کاربر به رسانه های اجتماعی با استفاده از رسانه های خبری و ویکیپدیا
کلمات کلیدی
استخراج متن، مشخصات کاربر، خوشه بندی طبقه بندی متن، سیستم های توصیه شده، رسانه های اجتماعی،
ترجمه چکیده
رسانه های اجتماعی تبدیل به یک منبع مهم اطلاعات و رسانه ای برای دنبال کردن و گسترش روند، اخبار و ایده ها در سراسر جهان شده است. اگرچه تعیین موضوعات پست های فردی برای استخراج منافع کاربران از رسانه های اجتماعی اهمیت دارد، اما این وظیفیت غیرقابل اجتناب است زیرا پست ها بسیار متناقض و غیررسمی و طولی محدود هستند. برای حل این مشکل، ما یک چارچوب مدل سازی کاربر پیشنهاد می کنیم که محتوای متون در رسانه های اجتماعی را به دسته های مربوط به رسانه های خبری منتسب می کند. در چارچوب خود، شکاف معنایی میان رسانه های اجتماعی و رسانه های خبری با استفاده از ویکی پدیا به عنوان یک پایگاه اطلاعاتی خارجی کاهش می یابد. ما ویژگی های مبتنی بر اصطلاح را از یک متن کوتاه و یک گروه خبری به ویژگی های مبتنی بر ویکی پدیا مانند مقوله های ویکیپدیا و نهادهای مقاله نمایش می دهیم. بنابراین میکروپوسنتهای کاربر در یک فضای غنی از کلمات به کار رفته است. نتایج تجربی نشان می دهد که روش پیشنهادی ما با استفاده از ویژگی های مبتنی بر ویکی پدیا سایر روش های موجود شناسایی منافع کاربران از رسانه های اجتماعی را بهتر می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
مدل سازی علاقه کاربر به رسانه های اجتماعی با استفاده از رسانه های خبری و ویکیپدیا
چکیده انگلیسی
Social media has become an important source of information and a medium for following and spreading trends, news, and ideas all over the world. Although determining the subjects of individual posts is important to extract users' interests from social media, this task is nontrivial because posts are highly contextualized and informal and have limited length. To address this problem, we propose a user modeling framework that maps the content of texts in social media to relevant categories in news media. In our framework, the semantic gaps between social media and news media are reduced by using Wikipedia as an external knowledge base. We map term-based features from a short text and a news category into Wikipedia-based features such as Wikipedia categories and article entities. A user's microposts are thus represented in a rich feature space of words. Experimental results show that our proposed method using Wikipedia-based features outperforms other existing methods of identifying users' interests from social media.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Systems - Volume 65, April 2017, Pages 52-64
نویسندگان
, ,