隨著Web 2.0技術的快速發(fā)展,微博作為一種新型社交網(wǎng)絡媒體,逐漸改變了人們溝通和獲取信息的方式。然而隨著微博的使用人數(shù)增長迅猛,產(chǎn)生的微博數(shù)據(jù)也急劇增加,用戶在使用中面臨著嚴重的信息過載。同時,鑒于微博的傳播速度之快,覆蓋面廣,以及公開化等特點,在微博得到迅猛發(fā)展的同時也帶來了隱私信息泄露方面的問題。推薦算法的出現(xiàn),幫助了用戶以較小時間獲取有用信息,使得信息過載問題得到緩解,而微博隱私的檢測則可降低用戶泄露隱私信息的風險。本文通過研究目前已有的微博推薦算法,對推薦算法的理論知識進行學習總結(jié),結(jié)合微博應用的特點以及隱私微博內(nèi)容的特點,針對已有研究中存在的不足,提出了一種考慮用戶隱私保護的微博內(nèi)容推薦算法,在減少泄露原博主隱私的條件下,向目標用戶推薦更能符合其個性特征的博文內(nèi)容。首先明確了本文中推薦算法以及隱私檢測所涉及的對象以及適用范圍;其次,提出了一種基于標簽的協(xié)同過濾微博推薦算法;然后在樸素貝葉斯分類模型的基礎上,提出了一種基于多項式模型的微博內(nèi)容隱私分類方法;最后結(jié)合兩者,得到本文的算法,即一種考慮用戶隱私保護的微博內(nèi)容推薦算法。在文章的實驗部分,首先設計實現(xiàn)了基于標簽位置分析... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

協(xié)同過濾推薦算法流程圖

圖 2.2 協(xié)同過濾推薦算法基本實現(xiàn)流程2.1.2 基于用戶的協(xié)同過濾基于用戶的協(xié)同過濾算法(user-based collaborative filtering)是應用較為盛行的一種算法。其核心思想為：使用歷史項目信息作為用戶的特性標準，利用此特性標準計算不同用戶之間的相近程度。然后按照用戶相近程度的大小，篩選相近程度較高的前 k 個用戶。再依據(jù) k 個用戶對自己有過參與行為的項目的評價，預測目標用戶對這些未參與項目的評價。計算相關程度的經(jīng)常使用的方法有：余弦相似度，廣義 Jaccard 相似度，調(diào)整的余弦相似度，以及相關相似性。1. 余弦相似度在該種計算方法中，利用空間向量來表示用戶的個性愛好。對于缺失的特性看作數(shù)值為 0。則向量間的余弦值與用戶的相近程度成正比。余弦值越大，用戶越

電大學碩士學位論文 第 3 章 基于標簽協(xié)同過濾的微博推薦算法注用戶的人群為 _{,,...}i1 2nU a uuu，其標簽集為 ijUaijtaT__ ，用戶i的粉 _{,,...}i1 2nU f uuu，其標簽集為 ijUfijtfT__ 。圖 3.1 為微博用戶信息圖，圓點代表微博用戶主體，方形節(jié)點代表用戶的標簽信息，箭頭表示關注關系。

【參考文獻】：
期刊論文
[1]基于LDA模型的多角度個性化微博推薦算法[J]. 孫玉潔,秦永彬.  計算機工程. 2017(04)
[2]改進的貝葉斯垃圾郵件過濾算法[J]. 趙敬慧,魏振鋼.  計算機系統(tǒng)應用. 2016(10)
[3]一種半監(jiān)督的中文垃圾微博過濾方法[J]. 姚子瑜,屠守中,黃民烈,朱小燕.  中文信息學報. 2016(05)
[4]一種基于邏輯回歸的微博內(nèi)容隱私檢測方法[J]. 張玲,徐雅斌.  北京信息科技大學學報(自然科學版). 2016(04)
[5]基于用戶標簽的微博推薦算法[J]. 王寧寧,魯燃,王智昊,劉承運.  計算機應用研究. 2017(01)
[6]基于短語的貝葉斯中文垃圾郵件過濾方法[J]. 王青松,魏如玉.  計算機科學. 2016(04)
[7]基于k-means文本聚類的新浪微博個性化博文推薦研究[J]. 譚晉秀,何躍.  情報科學. 2016(04)
[8]基于模糊關聯(lián)規(guī)則的微博用戶潛在興趣發(fā)現(xiàn)[J]. 牛朝林,高茂庭.  計算機系統(tǒng)應用. 2016(01)
[9]微博中特定用戶的相似用戶發(fā)現(xiàn)方法[J]. 仲兆滿,胡云,李存華,劉宗田.  計算機學報. 2016(04)
[10]微博中用戶標簽的研究[J]. 邢千里,劉列,劉奕群,張敏,馬少平.  軟件學報. 2015(07)

碩士論文
[1]基于用戶興趣的微博推薦方法研究[D]. 王寧寧.山東師范大學 2017
[2]基于混合推薦算法的微博網(wǎng)絡廣告推薦研究[D]. 杜愛玲.中國海洋大學 2014
[3]一種基于貝葉斯的微博隱私檢測方法研究[D]. 江智雙.哈爾濱工程大學 2013



本文編號：3250662