隨著社交網(wǎng)絡(luò)的流行,使人們對其產(chǎn)生了越來越密切的依賴。微博作為一個開放、實(shí)時的基于用戶關(guān)系信息分享、傳播以及獲取的在線社交網(wǎng)絡(luò)平臺,如果可以準(zhǔn)確地為用戶推薦其感興趣的微博好友,將會提高微博產(chǎn)品運(yùn)營的經(jīng)濟(jì)效益(如廣告精準(zhǔn)投放),改善用戶體驗(yàn)(如好友推薦)。然而,大多數(shù)現(xiàn)有的微博推薦系統(tǒng)僅考慮社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和用戶所生產(chǎn)的內(nèi)容,沒有考慮微博的文本稀疏,數(shù)據(jù)復(fù)雜,變化大等特點(diǎn),從而難以在海量用戶上做到精準(zhǔn)化推薦。在社會心理學(xué)中認(rèn)為,內(nèi)在的人格是影響人們行為的主要因素之一,因此人與人之間在日常生活中的交流和互動這些外在行為也是受到人格的直接影響。本文通過在微博好友推薦中考慮用戶的人格特征對用戶行為的影響,來提高微博好友推薦的準(zhǔn)確率。本文的主要研究內(nèi)容包含以下幾點(diǎn):第一、將大五人格特征結(jié)合微博用戶的基礎(chǔ)特征作為微博用戶的好友推薦的相似度評分標(biāo)準(zhǔn),提出了基于微博用戶特征相似度的人格感知推薦算法。其中通過計(jì)算微博用戶特有的基礎(chǔ)特征相似度得分,包括位置信息,微博文本,社交信息,交互信息綜合相似度得分,然后根據(jù)大五人格維度匹配算法計(jì)算微博用戶的人格類型得分。綜合用戶的基礎(chǔ)特征和人格類型得分,為用戶推薦出其潛在的微博好友。第二、結(jié)合基于微博用戶基礎(chǔ)特征與大五人格分析結(jié)果,為了將人格特征更好的融入到對微博用戶的分析中,于是考慮到微博用戶內(nèi)在人格最直接影響體現(xiàn)在微博文本和其情感表達(dá)中。因此,本文結(jié)合了大五人格和微博語義相似度,以及微博情感分析提出了PSER(Personality with Semantics and Emotion for Recommendation)模型。由于人格、情感和語義具有內(nèi)在一致性,因此通過PSER模型進(jìn)行層層篩選,最終達(dá)到提高推薦質(zhì)量的效果。最后,為了驗(yàn)證本文提出的模型和算法的有效性,本文在真實(shí)的數(shù)據(jù)集上進(jìn)行了相關(guān)的實(shí)驗(yàn)與分析。第一組實(shí)驗(yàn)結(jié)果表明在微博用戶基礎(chǔ)特征下加入大五人格特征后,推薦準(zhǔn)確率有明顯提升;第二組實(shí)驗(yàn)結(jié)果表明結(jié)合大五人格、微博文本語義相似度、情感分析的PSER模型,推薦準(zhǔn)確率和召回率有顯著提高。綜上,本文提出的基于人格感知的微博好友推薦方法,在用戶行為建模和推薦質(zhì)量上,比傳統(tǒng)推薦方法具有明顯的改善,具有較強(qiáng)的現(xiàn)實(shí)意義。
【學(xué)位單位】：西華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.3;TP393.092
【部分圖文】：

大五人格分布雷達(dá)圖

22圖 3.1 基于人格感知相似度推薦算法流程圖Fig. 3.1 Flow chart of recommendation algorithm based on personality perception similarity

圖 4.1 PSER 算法模型流程圖Fig. 4.1 Flow chart of PSER algorithm model PSER 模型中，首先對于微博用戶發(fā)表的文本，通過公式，得到模型中第一個潛在微博好友推薦列表；由于對于同

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 XIONG XiaoBing;ZHOU Gang;HUANG YongZhong;CHEN HaiYong;XU Ke;;Dynamic evolution of collective emotions in social networks: a case study of Sina weibo[J];Science China(Information Sciences);2013年07期

本文編號：2810795