协同过滤在中文维基百科类别推荐上的应用

doi:10.3724/SP.J.1087.2013.00838

计算机应用 ›› 2013, Vol. 33 ›› Issue (03): 838-840.DOI: 10.3724/SP.J.1087.2013.00838

协同过滤在中文维基百科类别推荐上的应用

王静^1,2,何婷婷^1,2*,衣马木艾山·阿布都力克木³

1.华中师范大学计算机学院, 武汉 430079;
2.国家语言资源监测与研究中心网络媒体语言分中心, 武汉 430079;
3.国家数字化学习工程技术研究中心(华中师范大学), 武汉 430079

收稿日期:2012-09-18 修回日期:2012-11-12 出版日期:2013-03-01 发布日期:2013-03-01
通讯作者: 王静
作者简介:王静(1989-),女,湖北荆州人,硕士研究生,主要研究方向:自然语言处理; 何婷婷(1964-),女,湖北黄冈人,教授,博士,主要研究方向:自然语言处理、数据库; 衣马木艾山·阿布都力克木(1973-),男(维吾尔族),新疆伊宁人,副教授,博士,主要研究方向:网络信息检索。
基金资助:
国家自然科学基金资助项目(90920005, 61003192); 国家语委“十二五”重点项目(ZDI125-1); 国家“十二五”科技支撑计划项目(2012BAK24B01); 教育部/国家外国专家局高等学校学科创新引智计划项目(B07042); 湖北省自然科学基金资助项目(2011CDA034); 华中师范大学中央高校基本科研业务费专项资金资助项目(CCNU10A02009, CCNU10C01005)。

Application of cooperative filtering in categories recommendation of Chinese Wikipedia

WANG Jing^1,2, HE Tingting^1,2*, Yimamu'aishan ABUDOULIKEMU³

1.School of Computer Science, Central China Normal University, Wuhan Hubei 430079, China;
2.Network Media Branch, National Language Resources Monitoring and Research Center, Wuhan Hubei 430079, China;
3.National Engineering Research Center for E-Learning (Central China Normal University), Wuhan Hubei 430079, China

Received:2012-09-18 Revised:2012-11-12 Online:2013-03-01 Published:2013-03-01
Contact: Jing WANG
Supported by:
The Major Research Plan of National Natural Science Foundation of China;The Major Project of State Language Commission in the Twelfth Five-year Plan Period;Project in the National Science & Technology Pillar Program in the Twelfth Five-year Plan Period;Program of Introducing Talents of Discipline to Universities;Natural Science Foundation of Hubei Province;the self-determined research funds of CCNU from the colleges’ basic research and operation of MOE

摘要/Abstract

摘要： 针对传统人工编辑导致大量类别信息重复和不规范的问题,提出了应用协同过滤技术为中文维基百科文章自动推荐类别。利用中文维基百科中的四个重要语义特征即链入、链出、链入的类别和链出的类别来表示维基百科文章,得到与目标文章相似的前若干篇文章的所有类别后,通过查询返回的相似度值计算各个类别的权重,选择前面的若干个类别作为推荐结果返回给目标文章。实验结果表明了这四个语义特征能较好地表征一篇维基百科文章,同时也验证了协同过滤方法在中文维基百科自动推荐类别中的有效性。

关键词: 协同过滤, 中文维基百科, 类别推荐, 语义特征

Abstract: Collaborative filtering was applied to automatically recommend categories for a Chinese Wikipedia article. Four typical semantic features namely incoming link, outgoing link, incoming link categories and outgoing link categories, were adopted to represent articles. Among all the categories of articles similar to target article, several most similar categories were chosen as the recommendation results to the target article, via calculating the similarity value between them. The experimental results show that the four semantic features have efficient performance in Wikipedia article representation. And the collaborative filtering method is also proved to be effective in recommending proper categories for Chinese Wikipedia articles.

Key words: collaborative filtering, Chinese Wikipedia, category recommendation, semantic feature

中图分类号:

TP391.1

王静何婷婷衣马木艾山·阿布都力克木. 协同过滤在中文维基百科类别推荐上的应用[J]. 计算机应用, 2013, 33(03): 838-840.

WANG Jing HE Tingting Yimamu'aishan ABUDOULIKEMU. Application of cooperative filtering in categories recommendation of Chinese Wikipedia[J]. Journal of Computer Applications, 2013, 33(03): 838-840.

参考文献

[1]Wkipedia [EB/OL]. [2011-02-06]. http://wikipedia.jaylee.cn/.
[2]VOSS J. Collaborative thesaurus tagging the Wikipedia way[J]. Wikimetrics, 2006,1(1): 1-7.
[3]STRUBE M, PONZETTO S P. WikiRelate! Computing semantic relatedness using Wikipedia[C]// AAAI '06: Proceedings of the 21st National Conference on Artificial Intelligence. Madison: AAAI Press, 2006: 1419-1424.
[4]MILNE D, WITTEN I H. An effective, low-cost measure of semantic relatedness obtained from Wikipedia links[C]// Proceedings of the AAAI 2008 Workshop on Wikipedia and Artificial Intelligence. Madison: AAAI Press, 2008:25-30.
[5]TORSTEN Z, CHIRISTOF M, IRYNA G. Using wikitionary for computing semantic relatedness[C]// Proceedings of the 23rd AAAI Conference on Artificial Intelligence. Madison: AAAI Press, 2008: 861-867.
[6]张红春.中文维基百科的数据整理和词语间语义相关度计算[D].武汉:华中师范大学,2011.
[7]LI Y, HUANG K Y, REN F J, et al. Wikipedia based semantic related Chinese words exploring and relatedness computing[J]. Journal of Beijing University of Posts and Telecommunications, 2009, 32(3): 109-112.
[8]盛志超,陶晓鹏.基于维基百科的语义相似度计算方法[J].计算机工程, 2011, 37(7):193-195.
[9]刘军,姚天昉.基于Wikipedia的语义相关度计算[J].计算机工程, 2010, 36(19):42-46.
[10]王锦,王会珍,张俐.基于维基百科类别的文本特征表示[J].中文信息学报, 2011, 25(2):27-31.
[11]杨柳. 基于中文维基百科的文本扩充[D]. 武汉: 华中师范大学, 2011.
[12]WANG Y, WANG H F, ZHU H P, et al. Exploit semantic information for category annotation recommendation in Wikipedia[C]// Natural Language Processing and Information Systems, LNCS 4592. Berlin: Springer,2007:48-60.
[13]中文维基百科资源[EB/OL]. [2011-02-06]. http://dumps.wikimedia.org/zhwiki/.
[14]王刚. 自动抽取维基百科文本中的语义关系[D]. 上海: 上海交通大学, 2011.
[15]李赟. 基于中文维基百科的语义知识挖掘相关研究[D].北京: 北京邮电大学,2009.
[16]张海粟,马大明,邓智龙.基于维基百科的语义知识库及其构建方法研究[J].计算机应用研究,2011,28(8):2807-2811.
[17]熊忠阳,史艳,张玉芳.基于维基百科和网页分块的主题爬行策略[J].计算机应用,2011,31(12):3264-3267.
[18]CARMEL D, ROITMAN H, ZWERDLING N. Enhancing cluster labeling using wikipedia[C]// SIGIR '09: Proceedings of the 32nd International ACM SIGIR Conference on Research and Development in Information Retrieval. New York: ACM Press, 2009:139-146.
[19]XU Y, JONES G J, WANG B. Query dependent pseudo-relevance feedback based on Wikipedia[C]// SIGIR '09: Proceedings of the 32nd International ACM SIGIR Conference on Research and Development in Information Retrieval. New York: ACM Press, 2009:59-66.

协同过滤在中文维基百科类别推荐上的应用

Application of cooperative filtering in categories recommendation of Chinese Wikipedia

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	包玄, 陈红梅, 肖清. 融入时间的兴趣点协同推荐算法[J]. 计算机应用, 2021, 41(8): 2406-2411.
[2]	周险兵, 樊小超, 任鸽, 杨勇. 基于多层次语义特征的英文作文自动评分方法[J]. 计算机应用, 2021, 41(8): 2205-2211.
[3]	邓钰, 李晓瑜, 崔建, 刘齐. 用于短文本情感分类的多头注意力记忆网络[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3132-3138.
[4]	谭金源, 刁宇峰, 祁瑞华, 林鸿飞. 基于BERT-PGN模型的中文新闻文本自动摘要生成[J]. 计算机应用, 2021, 41(1): 127-132.
[5]	李翔锟, 贾彩燕. 融合重叠社区正则化及隐式反馈的协同过滤方法[J]. 计算机应用, 2021, 41(1): 53-59.
[6]	田保军, 刘爽, 房建东. 融合主题信息和卷积神经网络的混合推荐算法[J]. 计算机应用, 2020, 40(7): 1901-1907.
[7]	吴雨芯, 蔡婷, 张大斌. 基于层级注意力机制与双向长短期记忆神经网络的智能合约自动分类模型[J]. 计算机应用, 2020, 40(4): 978-984.
[8]	张战成, 张大龙, 罗晓清. 带有语义特征得分的肺结节检测方法[J]. 计算机应用, 2020, 40(3): 925-930.
[9]	陈曦, 梅广, 张金金, 许维胜. 融合知识图谱和协同过滤的学生成绩预测方法[J]. 计算机应用, 2020, 40(2): 595-601.
[10]	张文龙, 钱付兰, 陈洁, 赵姝, 张燕平. 基于双重最相关注意力网络的协同过滤推荐算法[J]. 计算机应用, 2020, 40(12): 3445-3450.
[11]	赵宏, 王乐, 王伟杰. 基于BiLSTM-CNN串行混合模型的文本情感分析[J]. 计算机应用, 2020, 40(1): 16-22.
[12]	樊玮, 谢聪, 肖春景, 曹淑燕. 基于组合类别空间的随机游走推荐算法[J]. 计算机应用, 2019, 39(4): 984-988.
[13]	雷曼, 龚琴, 王纪超, 王保群. 基于标签权重的协同过滤推荐算法[J]. 计算机应用, 2019, 39(3): 634-638.
[14]	刘成斌, 郑巍, 樊鑫, 杨丰玉. 基于网络表征学习的混合缺陷预测模型[J]. 计算机应用, 2019, 39(12): 3633-3638.
[15]	许朝, 孟凡荣, 袁冠, 李月娥, 刘肖. 融合地点影响力的兴趣点推荐算法[J]. 计算机应用, 2019, 39(11): 3178-3183.