知识卡片
兴趣标签词与分类分层描述
书中用三种描述互补刻画微博用户兴趣:兴趣标签从关注等社交关系推导;兴趣词从发布和转发内容中挖掘;兴趣分类把用户数据映射到预设的三级类目。标签和词提供细粒度实体描述,分类提供粗粒度方向,分别支撑精细匹配与类目筛选。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《大数据时代的IT架构设计》第3篇《微博用户兴趣建模系统架构》引言部分(源文件:
_epub-src/OEBPS/text00013.html)
- 结论依据:原文明确"每个微博用户的兴趣描述包含以下三个方面:用户兴趣标签、用户兴趣词
和用户兴趣分类",并分别说明三者的数据来源(社交关系/内容挖掘/分类体系映射)与粒度
差异(细粒度实体标签 vs 粗粒度分类),直接支撑本卡片的三分法归纳。
- 原始内容:每个微博用户的兴趣描述包含以下三个方面:用户兴趣标签、用户兴趣词和用户
兴趣分类。用户兴趣标签是通过微博用户的社交关系推导出的用户可能感兴趣的语义标签;
用户兴趣词是通过对用户发布微博或转发微博等内容属性来挖掘用户潜在兴趣;用户兴趣分类
则是在定义好的三级分类体系中,将用户的各种数据映射到分类体系结构中……用户兴趣标签
和用户兴趣词是细粒度的用户兴趣描述……而用户兴趣分类则是一种粗粒度的用户兴趣模型。