Алгоритм построения ассоциативных рядов хештегов для семантической навигации в социальных сетях
(Стр. 47-55)

В социальных сетях хештеги являются важным механизмом семантической навигации по сообщениям пользователей. В данном исследовании мы рассматриваем решение задачи построения ассоциативных рядов хештегов для одной из крупнейших социальных сетей. Эти ряды должны удовлетворять двум критериям: быть короткими и не содержать больших семантических разрывов между последовательными хештегами. Алгоритм, позволяющий создавать ассоциативных рядов хештегов, может использоваться для увеличения количества хештегов в сообщениях, что облегчит семантическую навигацию по сообщениям в социальной сети. Была построена сеть совместной встречаемости хештегов на основе большого набора данных из сообщений Инстаграма1. Для построения ассоциативных рядов было дано формальное определение задачи построения семантического пути как задачи многокритериальной оптимизации на сети совместной встречаемости хештегов в сообещениях. Была разработана общая оптимизационная функция для обоих критериев проблемы построения семантического пути. Для измерения семантической близости между хештегами мы использовали метрику на основе эмбеддингов хештегов, полученных с помощью алгоритма word2vec. Используя эмпирические пути, полученные при помощи различных алгоритмов, были настроены параметры обобщенной оптимизационной функции, которая может использоваться для построения семантических путей с помощью нахождения пути с помощью алгоритма Дейкстры или специальных жадных алгоритмов.

Макрушин С.В., Блохин Н.В., (2022), АЛГОРИТМ ПОСТРОЕНИЯ АССОЦИАТИВНЫХ РЯДОВ ХЕШТЕГОВ ДЛЯ СЕМАНТИЧЕСКОЙ НАВИГАЦИИ В СОЦИАЛЬНЫХ СЕТЯХ. Computational nanotechnology, 1 => 47-55.

Barzilay R., Elhadad M. Using lexical chains for text summarization. In: Proceedings of the ACL workshop on intelligent scalable text summarization. Madrid, 1997. Pp. 10-17.
Bringmann K., Keusch R., Lengler J. et al. Greedy routing and the algorithmic small-world phenomenon. In: Proceedings of the ACM Symposium on Principles of Distributed Computing. New York, USA, 2017. Pp. 371-380. DOI: 10.1145/3087801.3087829.
Capitán J.A., Borge-Holthoefer J., Gómez S. et al. Local-based semantic navigation on a networked representation of information. PLoS ONE. 2012. No. 7 (8). Pp. 1-10. DOI: 10.1371/journal.pone.0043694.
Dijkstra E. A note on two problems in connexion with graphs. Numerische Mathematik. 1959. No. 1 (1). Pp. 269-271. DOI: 10.1007/BF01386390.
Fellbaum C. WordNet: An electronic lexical database. Language, speech, and communication series. Cambridge: MIT Press, 1998.
Goyal P., Ferrara E. Graph embedding techniques, applications, and performance: A survey. Knowledge Based Systems. 2018. Pp. 89-94. DOI: 10.1016/j.knosys.2018.03.022.
Halliday K., Hasan R. Cohesion in English. London: Longman, 1976.
Hart P., Nilsson N.J., Raphael B. A formal basis for the heuristic determination of minimum cost paths. IEEE Trans. Syst. Sci. Cybernetics SSC. 1968. Vol. 4. Pp. 100-107. DOI: 10.1109/TSSC.1968.300136.
He L. et al. Neurally-guided semantic navigation in knowledge graph. In: IEEE Transactions on Big Data. 2018. DOI: 10.1109/TBDATA.2018.2805363.
Mikolov T., Chen K., Corrado G.K., Dean J. Efficient estimation of word representations in vector space. CoRR, 2013. abs/1301.3781.
Morris J., Hirst G. Lexical cohesion, the thesaurus, and the structure of text.Computational Linguistics. 1991. No. 17 (1). Pp. 21-48.
Neelakantan A., Roth B., McCallum A.Compositional vector space models for knowledge base completion. Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing. Beijing, China. 2015. Pp. 156-166. DOI: 0.3115/v1/P15-1016.
Passant A. Measuring semantic distance on linking data and using it for resources recommendations. AAAI Spring Symposium: Linked Data Meets Artificial Intelligence. 2010. Vol. 77.
Pennington J., Socher R., Manning C. Glove: Global vectors for word representation. EMNLP. 2014. Pp. 1532-1543. DOI: 10.3115/v1/D14-1162.
Sommer C. Shortest-path queries in static networks. ACM Computing Surveys. 2014. No. 46 (4). Pp. 1-31. DOI: 10.1145/2530531.
West R., Pineau J., Precup D. Wikispeedia: An online game for inferring semantic distances between concepts. In: IJCAI. Morgan Kaufmann Publishers Inc., 2009. Pp. 1598-1603.

социальная сеть, хештег, рекомендация хештегов, нахождение пути, семантическая навигация.