...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Web Intelligence and Agent Systems >Real-time, scalable, content-based Twitter users recommendation
【24h】

Real-time, scalable, content-based Twitter users recommendation

机译：实时，可扩展，基于内容的Twitter用户推荐

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Real-time recommendation of Twitter users based on the content of their profiles is a very challenging task. Traditional IR methods such as TF-IDF fail to handle efficiently large datasets. In this paper we present a scalable approach that allows real time recommendation of users based on their tweets. Our model builds a graph of terms, driven by the fact that users sharing similar interests will share similar terms. We show how this model can be encoded as a compact binary footprint, that allows very fast comparison and ranking, taking full advantage of modern CPU architectures. We validate our approach through an empirical evaluation against the Apache Lucene's implementation of TF-IDF. We show that our approach is in average two hundred times faster than standard optimized implementation of TF-IDF with a precision of 58%.
机译：根据Twitter用户的个人资料的内容进行实时推荐是一项非常艰巨的任务。传统的IR方法（例如TF-IDF）无法有效处理大型数据集。在本文中，我们提出了一种可扩展的方法，该方法允许基于用户的推文进行实时推荐。我们的模型建立了一个术语图，这是由拥有相似兴趣的用户将共享相似术语这一事实驱动的。我们展示了如何将此模型编码为紧凑的二进制代码，从而可以充分利用现代CPU架构，实现非常快速的比较和排名。我们通过对Apache Lucene的TF-IDF实现的经验评估来验证我们的方法。我们表明，我们的方法平均比标准的TF-IDF优化实施快200倍，精度为58％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号