6.2.4 基于相似用户和相似消息的候选话题集的生成
采集在线社交网络中的相似消息和相似用户中所使用的话题标签，构造候选话题集。
1.在线社交网络中相似用户的查找
用户之间的相似性包含两类：隐式相似性和显式相似性。隐式相似性是通过用户的隐式表示计算得出的相似性（例如，从主题模型中获得的主题表示，通过主题表示之间的距离来计算用户之间的隐式相似性）。显式相似性是指显示地建立用户-话题标签矩阵，基于用户显式的表示方法，采用协同过滤的方法得到的用户之间的显式相似性。
为了发现相似用户，将用户间的显式相似性与隐式相似性相结合，采用典型的基于用户的协同过滤方法获得用户间的显式相似性，基于我们提出的UHTME模型生成的用户主题表示，计算得到用户间的隐式相似性。基于用户的协同过滤方法通过建立用户-话题标签矩阵获取用户的相似性。在用户-话题标签矩阵中的每个元素w ij代表用户u i对话题标签h j的使用次数，每一行代表一个用户，通过该方法可以获得用户的显式向量表示及用户间的显式相似性。隐式相似用户和显式相似用户之间可以相互补充，从而寻找到与目标用户最相似的用户。
基于UHTME可以获取用户的主题表示，计算用户主题表示间的距离，从而可以得到用户间的相似性。对相似用户的发现过程采用形式化的语言进行如下描述。
假设存在用户集
包含U个用户，即
={u 1，u 2，…，u j，…，u U}，通过EUCF和UHTME，分别得到每个用户u j的显式表示v e（u j）和隐式表示v i（u j）。通过引入余弦距离，计算出j-th用户u j与目标用户u t之间的显式相似性
和隐式相似性
，通过式（6-8）计算出用户间的整体相似性：
通过对
值进行排序，得到Top-Y个相似用户。相似用户的查找过程是：假定目标用户u 6，希望找到其Top-Y个相似用户，表6-2中列出了u 6和u 1～u 5之间的隐式和显式相似性。设置Y=2且λ=0.7，通过用户间相似性的计算，得到用户u 3和u 4是与用户u 6最具相似性的两个用户，将这两个用户所使用的话题标签放入候选话题标签集合中。
表6-2 用户u 6与用户u1～u5之间的显式和隐式相似性
2.在线社交网络中相似消息的查找
基于Word2vec的skip-gram模型实现了相似在线社交网络消息的发现。skip-gram模型包含输入层、映射层和输出层，通过该模型的三层网络可以获取每个单词的分布式向量表示。在获得在线社交网络文本中每个单词的分布式向量表示后，对每个单词的向量表示进行不加权平均，获得的平均值作为在线社交网络消息的向量表示。通过计算在线社交网络文本的向量表示间的余弦距离，获取不同文本的相似性。通过对在线社交网络消息相似值进行排序，获得Top-X个相似在线社交网络消息。此过程可以描述如下。
给定一个搜索项m t，其中包含W个单词
。利用skip-gram模型获得每个单词的向量表示
}，通过对词向量的平均表示，得到在线社交网络文本向量表示v（m t）。当给定在线社交网络文本集
时，可以获得在线社交网络文本的向量表示{v（m 1），v（m 2），….，v（mi），…，v（m M）}。为了比较它们与目标搜索内容mt的相似性，采用式（6-9）计算文本之间的余弦距离，作为在线社交网络文本之间的相似性：
在计算和排序每个在线社交网络文本mi和目标内容m t之间的相似性分数后，可以得到Top-X的相似在线社交网络文本。
对相似消息的查找过程：对于目标用户输入的搜索内容m 0，找到与之相似top-X个相似在线社交网络文本。利用skip-gram，在式（6-9）的基础上计算m 0和m 1～m 100的相似性。将X设置为5，经过计算和相似性排序，发现m 11，m 35，m 52，m 67，m 68是与目标m 0相似性排名前5的在线社交网络文本，将上述5个文本所在的在线社交网络消息中的话题标签放入候选话题集合内。
3.STS中候选话题标签集的获取
在发现相似在线社交网络消息和相似用户后，分别用H sm和H su表示相似在线社交网络消息和相似用户的话题标签。通过式（6-10）获得候选话题标签集H C。
分别从相似用户的话题标签、相似用户H su和相似在线社交网络消息H sm中获取候选话题标签集合H C。