杜雨萌 张伟男 刘 挺

(哈尔滨工业大学社会计算与信息检索研究中心 哈尔滨 150001)

(ymdu@ir.hit.edu.cn)

随着移动互联网技术的发展及移动终端的普及，Twitter、微博等社交类应用上聚集了大量的用户，每个用户每天可以接收到成百上千条微博，从而导致信息过载，严重影响用户的信息及知识获取.自动识别微博用户的兴趣，进而根据用户兴趣来协助用户组织及过滤信息，能够有效解决信息过载的问题.同时，用户兴趣识别对于商品推荐、广告定向投放等业务也有很大帮助.

已有研究中，Ramage等人[1]使用Labeled LDA主题模型对Twitter用户进行了兴趣挖掘，这种方法将用户的所有Tweets集合作为一个文档，使用主题模型预测出文档的主题分布，以此表示用户的兴趣主题分布.该方法的问题在于，没有区分用户发布的Tweets中词的权重，而现实中对一条Tweet或微博进行分类时，其中的每个词起到的作用是不一样的，往往是少数几个词起到决定用户兴趣的作用.这就导致尽管一个用户发表了很多自身兴趣相关的微博，但由于表达兴趣的词周围存在大量噪声词，使得Labeled LDA主题模型对用户兴趣词的主题分配随上下文而发生严重偏移，从而导致用户兴趣识别发生错误.

针对上述问题，本文首先通过对用户的微博进行逐条兴趣分类，从而缓解噪声词对用户兴趣词的影响；然后通过用户微博的兴趣类别分布进而识别用户兴趣.具体地，本文提出一种主题增强卷积神经网络(convolutional neural network, CNN)的兴趣识别方法，结合……