利用文本聚类自动构建多面用户画像及其在专家推荐与过滤问题中的应用

在当今我们生活的信息时代，人们不仅希望访问文档、视频等多媒体对象，还希望搜索专业专家、人物或名人，这可能是出于职业需求，也可能仅仅是为了娱乐。信息访问系统需要能够提取并利用关于这些个体的各种信息源（通常为文本格式），并以适当的方式表示它们，通常以画像的形式呈现。在本文中，我们从机器学习的角度解决了基于画像的专家推荐和文档过滤问题，通过对专家文本源进行聚类来构建画像，并捕获专家感兴趣的不同隐藏主题。随后，通过多面画像来表示这些专家。我们的实验表明，这是一种提高专家查找和文档过滤性能的有效技术。