时间对 Twitter 中标签复用的影响：一种认知启发的标签推荐方法
信息检索
2019-08-06 v1 人机交互
摘要
在我们的工作 [KPL17] 中，我们研究了 Twitter 标签的时间使用模式，并利用认知架构 ACT-R [An04] 中的基础水平学习（BLL）方程来建模一个人如何复用其自身的个人标签以及来自其社交网络的标签。BLL 方程描述了项目在人类记忆中随时间衰减的过程。根据 BLL，一条信息（例如一个标签）的效用由其过去使用的频率和最近程度决定，并遵循可用幂律分布最佳建模的时间相关衰减。我们在先前工作中使用 BLL 方程来推荐社会书签系统中的标签 [KL16]。此处 [KPL17]，我们采用 BLL 方程来建模个人标签（即复用自身标签）和社交标签（即复用关注对象曾使用过的标签）的时间复用模式，并构建一种认知启发的标签推荐算法。我们在从 Twitter 爬取的两个经验社交网络（即 CompSci 和 Random，数据集详情见 [KPL17]）中证明了我们方法的有效性。结果表明，我们的方法优于当前最先进的标签推荐方法。
引用
@article{arxiv.1908.00977,
title = {The Impact of Time on Hashtag Reuse in Twitter: A Cognitive-Inspired Hashtag Recommendation Approach},
author = {Elisabeth Lex and Dominik Kowald},
journal= {arXiv preprint arXiv:1908.00977},
year = {2019}
}
备注
49. GI-Jahrestagung INFORMATIK 2019, Best of Data Science Track