【摘要】：微博網站作為一種流行的社交媒體形式,在為用戶提供豐富信息和服務的同時,也帶來了信息超載問題。如何利用微博網絡為用戶推薦有價值的信息,以緩解信息超載問題變得日益重要。根據微博網絡的有向性以及建立關注關系的隨意性等特點,提出了一種基于非負多矩陣分解的微博網絡推薦方法,綜合考慮了用戶之間的關注關系、用戶與微博內容的轉發(fā)關系,以及微博內容與主題的所屬關系等多源信息�；谛吕宋⒉⿺祿M行了微博內容推薦實驗,結果表明基于非負多矩陣分解的方法能夠有效利用微博網絡中的多維信息,顯著提高推薦準確度。該方法不僅能挖掘出微博內容的主題,還能挖掘出用戶間的關聯(lián)關系,可推廣到對用戶進行好友和主題的推薦。
[Abstract]:As a popular form of social media, Weibo website not only provides users with abundant information and services, but also brings the problem of information overload. How to use Weibo network to recommend valuable information for users to alleviate the problem of information overload has become increasingly important. According to the characteristics of Weibo network and the randomness of establishing the relationship of concern, this paper proposes a Weibo network recommendation method based on non-negative multi-matrix decomposition, which considers the relationship of concern among users. The forwarding relationship between user and Weibo content, and the relationship between Weibo content and topic. The experiment of Weibo content recommendation based on Sina Weibo dataset is carried out. The results show that the method based on non-negative multi-matrix decomposition can effectively utilize the multidimensional information in Weibo network and improve the accuracy of recommendation. This method not only can mine the topic of Weibo content, but also can mine the relationship between users, and it can be extended to recommend friends and topics to users.
【作者單位】： 云南大學信息學院;云南紅嶺云網絡科技有限公司;
【基金】：云南省科技創(chuàng)新強省計劃資助項目(2014AB016) 國家自然科學基金資助項目(61562090) 云南省應用基礎研究計劃面上項目(2013FB009)
【分類號】：TP391.3;TP393.092

【相似文獻】

相關期刊論文 前10條

1 史加榮;鄭秀云;周水生;;矩陣補全算法研究進展[J];計算機科學;2014年04期

2 李聰;駱志剛;;用于魯棒協(xié)同推薦的元信息增強變分貝葉斯矩陣分解模型[J];自動化學報;2011年09期

3 袁運祥;基于矩陣分解的子結構法求解介紹[J];計算機應用通訊;1981年00期

4 張海建;;分布式矩陣分解算法在推薦系統(tǒng)中的研究與應用[J];科技通報;2013年12期

5 王鋒;趙志文;牟盛;;整數提升小波多相矩陣分解系數的快速提取算法[J];中國圖象圖形學報;2012年03期

6 段華杰;;考慮時間效應的矩陣分解技術在推薦系統(tǒng)中的應用[J];微型電腦應用;2013年03期

7 王海雷;牟雁超;俞學寧;;基于協(xié)同矩陣分解的社會化標簽系統(tǒng)的資源推薦[J];計算機應用研究;2013年06期

8 張愛文;樊紅蓮;;半離散矩陣分解改進算法在網頁信息檢索中的應用研究[J];黑龍江工程學院學報;2007年02期

9 李衛(wèi)平;楊杰;;基于隨機梯度矩陣分解的社會網絡推薦算法[J];計算機應用研究;2014年06期

10 祝永健;陳琛;;一種新的異構網絡中基于上下文相關的推薦模型[J];硅谷;2013年23期

相關博士學位論文 前5條

1 王中卿;基于文本信息的社會關系分析與研究[D];蘇州大學;2016年

2 王嘯;基于生成模型和矩陣分解的社區(qū)發(fā)現算法研究[D];天津大學;2015年

3 王科強;基于矩陣分解的個性化推薦系統(tǒng)[D];華東師范大學;2017年

4 李英明;矩陣分解在數據挖掘中的應用[D];浙江大學;2014年

5 陳根浪;基于社交媒體的推薦技術若干問題研究[D];浙江大學;2012年

相關碩士學位論文 前10條

1 秦曉暉;個性化微博推薦方法研究[D];華南理工大學;2015年

2 劉鳳林;基于矩陣分解的協(xié)同過濾推薦算法研究[D];南京理工大學;2015年

3 李源鑫;基于提升的信任融合矩陣分解推薦算法[D];福建師范大學;2015年

4 陳洪濤;基于矩陣分解的常規(guī)與長尾捆綁推薦的博弈研究[D];福建師范大學;2015年

5 張濟龍;基于概率矩陣分解的推薦算法研究[D];燕山大學;2015年

6 鄧志豪;基于物品相似度和主題回歸的矩陣分解推薦算法[D];浙江大學;2015年

7 余露;利用矩陣分解算法建模數據稀疏環(huán)境下用戶協(xié)同行為[D];杭州師范大學;2015年

8 倪澤明;混合用戶行為建模的概率矩陣分解推薦算法[D];浙江大學;2015年

9 吳世偉;社會網絡中的鏈接分析[D];復旦大學;2014年

10 孫偉彬;基于高維顯性特征的矩陣分解推薦[D];大連理工大學;2015年

，

本文編號：2146559