【摘要】：微博作為一種新的且應(yīng)用廣泛的社交網(wǎng)絡(luò)，近年來引來許多學(xué)者研究，其中微博用戶推薦是研究熱點(diǎn)之一。由于微博結(jié)構(gòu)上的單向弱關(guān)系特性，單純的利用傳統(tǒng)推薦算法進(jìn)行用戶推薦，存在著推薦不精確問題，同時(shí)對(duì)推薦因素考慮不足也在一定程度上影響推薦的質(zhì)量。本文分析了微博的特性，針對(duì)微博關(guān)注者的推薦算法進(jìn)行研究，重點(diǎn)分析和研究了熱點(diǎn)關(guān)注者推薦和個(gè)性化關(guān)注者推薦兩類問題。 首先，在熱點(diǎn)關(guān)注者推薦算法部分，針對(duì)熱點(diǎn)用戶識(shí)別不準(zhǔn)確，以及認(rèn)證用戶優(yōu)先被推薦問題，，提出了一種熱點(diǎn)用戶識(shí)別方法，以進(jìn)行熱點(diǎn)關(guān)注者推薦。首先分析了微博信息傳播的方式，選取了用戶的博文數(shù)量、回復(fù)數(shù)量等五個(gè)影響因素描述用戶的行為模式以識(shí)別活躍用戶，其次根據(jù)用戶聲譽(yù)、被訪問量和微博影響力在活躍用戶的基礎(chǔ)上設(shè)計(jì)熱點(diǎn)用戶的識(shí)別方法，最終將熱點(diǎn)度高的用戶推薦為熱點(diǎn)關(guān)注者。 其次，在個(gè)性化關(guān)注者推薦算法部分，針對(duì)推薦過程中預(yù)測評(píng)分的不精確問題，提出了基于微博用戶屬性和貝葉斯分類的推薦算法。首先根據(jù)傳統(tǒng)的基于用戶的協(xié)同過濾算法對(duì)目標(biāo)用戶未關(guān)注的人進(jìn)行初始預(yù)測評(píng)分，其次結(jié)合微博用戶屬性和貝葉斯分類，得到目標(biāo)用戶喜歡未被其評(píng)分的關(guān)注者的概率，最后結(jié)合二者優(yōu)化改進(jìn)初始預(yù)測評(píng)分，并將該算法與傳統(tǒng)的推薦算法進(jìn)行比較。 最后，采用Eclipse編程實(shí)現(xiàn)具體算法，對(duì)文中以上兩點(diǎn)的研究內(nèi)容進(jìn)行對(duì)比分析。通過對(duì)實(shí)驗(yàn)結(jié)果的詳細(xì)分析，驗(yàn)證了熱點(diǎn)關(guān)注者推薦算法的有效性以及基于貝葉斯屬性分類的個(gè)性化關(guān)注者推薦算法的合理性。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP393.092;TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 鮑光余;朱東海;;基于潛在語義分析的農(nóng)戶個(gè)性化推薦系統(tǒng)的研究與設(shè)計(jì)[J];計(jì)算機(jī)與現(xiàn)代化;2011年01期

2 趙宏霞;王新海;楊皎平;;基于模糊推理的web客戶需求協(xié)同過濾推薦算法[J];情報(bào)雜志;2011年01期

3 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

4 原福永;馮靜;符茜茜;;微博用戶的影響力指數(shù)模型[J];現(xiàn)代圖書情報(bào)技術(shù);2012年06期

本文編號(hào)：2570156