同义词词典有利于提高Tag向量匹配度

我们希望通过tag来找到Sina微博上兴趣爱好相似的人。

 

采用机械匹配方法，对237位Sina微 博的数据分析，得到最匹配的几组用户的tag如下文。

 

观察这些结果发现，机械匹配效果一般，但是一旦运用同义词词典对词汇 进行预处理后，将大大提高匹配质量。

 

后面将采用同义词方式进行处理，最终的效果敬请关注~

 

 

-----------------

第 一组：

读书 旅游 手机 媒体 亲情 网络 运动 电影 博客 新闻 美剧 听歌 旅行 音乐 时尚 平常心 搞笑 生活 美食 娱乐

( http://t.sina.com.cn/lmt11606)

浪漫 平常心 乐观 宝宝 好性格 听歌 娱乐 爱情 亲情 70后 时评 幽默 阅读 天蝎座 语录 善良 搞笑 生活

(http://t.sina.com.cn/1677880645)

对比：

 

读书 - 阅读
博客，新闻 - 时评
听歌、音乐 - 听歌
娱乐 - 幽默、搞笑
亲 情 -情亲
搞笑 - 搞笑
生活 - 生活
娱乐 -  娱乐

 

第 2组：

电影 音乐 上网 学生 大学生 自由 搞笑 段子 幽默 笑话

(http://t.sina.com.cn/iduanzi)

时评 搞笑 宅女 电影 上网 自由 学生 90后 娱乐 幽默

(http://t.sina.com.cn/ylq)

 

这 两个都是专门写段子的，倒是匹配得不错。

 

对比：

 

电影 - 电影

音乐 - 娱乐

上网 - 上网

大学生 - 学生

自由 -自由

搞笑 - 搞笑

幽默 - 幽默

笑话 - 搞笑、幽默

 

 

 

后面对比略

 

 第3组：

电影 音乐 上网 学生 大学生 自由 搞笑 段子 幽默 笑话

浪漫 电影 阅读 音乐 上网 自由 学生 摄影 时尚 幽默

这俩还是写段子的。。。。

 

 

第 4组：

历史 时尚 文学 艺术 美食 读书 音乐 电影 摄影 宋新妮的粉絲

http://t.sina.com.cn/cokeandmilktea
读 书 旅游 手机 媒体 亲情 网络 运动 电影 博客 新闻 美剧 听歌 旅行 音乐 时尚 平常心 搞笑 生活 美食 娱乐

http://t.sina.com.cn/1677880645

这 俩比较不靠谱。。。

 

 第5组：

媒体 互联网 移动互联网 投资 创业 google 蚂蚁 读书

（http://t.sina.com.cn /maitian）

80后 读书 游戏 股票 互联网 电影 广州 龙与地下城 跑团 IT 中山大学 桌游 科幻 奇幻 推理 创业 投资 媒体

（http://t.sina.com.cn /duoniu）

这俩哥们，嗯，蛮靠谱，哈哈~~

 

第6组：

国画 书法 生活 美食 艺术 时尚 英语 阅读 旅行 教育

读书 旅游 手机 媒体 亲情 网络 运动 电影 博客 新闻 美剧 听歌 旅行 音乐 时尚 平常心 搞笑 生活 美食 娱乐

 

第7组：

摄影 动漫 听歌 自由 上网 音乐 看书 80后

浪漫 电影 阅读 音乐 上网 自由 学生 摄影 时尚 幽默

 

 第8组：

IT Google 美食 文学 杂谈 电影 音乐 小说 网络 户外

诗 产品经理 SNS 电影 冷笑话 宅女 腐女 Google 产品设计 搜狐 新浪 产品 用户体验 UCD UED 文艺女青年 音乐 IT 互联网 哲学

 

第9组：

诗 产品经理 SNS 电影 冷笑话 宅女 腐女 Google 产品设计 搜狐 新浪 产品 用户体验 UCD UED 文艺女青年 音乐 IT 互联网 哲学

web20 UED UCD 互联网 狮子座 风风无敌 梁咏琪 产品经理 北京

 

第10组：

音乐 网购 文字 平常心 美图 美文 摄影爱好者 玩儿 善良 生活
唱 歌 平常心 摄影爱好者 羽毛球 善良 浪漫 写作 旅游 摄影 音乐