论文部分内容阅读
在总结国内外Hashtag推荐方法和短文本表示方法的基础上,文章利用基于K最近邻（KNN）的Hashtag推荐方法,将微博文本表示为向量然后计算相似度,从语料中选出与目标微博最相似的微博文本,然后抽取候选Hashtag。文章比较了向量空间模型（VSM）、潜在语义分析模型（LSA）、隐含狄利克雷分布模型（LDA）、深度学习（DL）等四种文本表示方法对基于KNN的Hashtag推荐效果的影响。以Twitter上H7N9微博为测试数据,实验结果表明深度学习的文本表示方法在基于KNN的Hashtag推荐中取得最好