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