近年來(lái),隨著微博的流行,越來(lái)越多的研究者開(kāi)始關(guān)注與微博相關(guān)的話題。其中,如何給微博用戶提供推薦服務(wù)是一個(gè)熱點(diǎn)。但是在目前的研究中,都是利用了社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和用戶的注冊(cè)信息來(lái)預(yù)測(cè)用戶行為,并沒(méi)有從用戶發(fā)布的微博數(shù)據(jù)中提取用戶偏好。本文的研究就是從微博內(nèi)容的角度考察用戶,幫助用戶篩選微博。本文提出了完整的微博推薦流程,核心的工作有三個(gè)部分。第一部分是利用概率主題模型挖掘用戶潛在的主題信息。第二部分是根據(jù)用戶之間的轉(zhuǎn)發(fā)、評(píng)論情況,計(jì)算用戶的互動(dòng)系數(shù)。第三部分是計(jì)算每條待推薦微博的信息熵,將部分低于閥值的微博過(guò)濾。在完成這三步的基礎(chǔ)上,通過(guò)微博的評(píng)分公式,給每條待推薦微博打分,并將分?jǐn)?shù)高的微博推薦給用戶,實(shí)現(xiàn)微博的推薦功能。在實(shí)驗(yàn)中,本文選擇了新浪微博作為數(shù)據(jù)源,并分析了各個(gè)環(huán)節(jié)的實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)證實(shí)了該方案中對(duì)微博過(guò)濾和社交因素的考慮,能增強(qiáng)模型的健壯性。 

【文章來(lái)源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
論文摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 主要工作
    1.4 論文結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 微博的發(fā)展和特征
    2.1 社交網(wǎng)絡(luò)相關(guān)原理
        2.1.1 小世界理論
        2.1.2 弱連接
    2.2 微博的功能
    2.3 微博的網(wǎng)絡(luò)結(jié)構(gòu)
    2.4 本章小結(jié)
第三章 基于主題模型的個(gè)性化微博推薦
    3.1 微博推薦的相關(guān)研究
        3.1.1 傳統(tǒng)的推薦系統(tǒng)研究
        3.1.2 微博推薦的研究
    3.2 用戶的偏好挖掘
        3.2.1 主題模型（Topic Model）
        3.2.2 Labeled LDA模型
    3.3 用戶之間的互動(dòng)
    3.4 過(guò)濾微博
    3.5 微博推薦模型
    3.6 本章小結(jié)
第四章 實(shí)驗(yàn)結(jié)果及分析
    4.1 數(shù)據(jù)采集
    4.2 微博推薦實(shí)驗(yàn)及結(jié)果
    4.3 實(shí)驗(yàn)對(duì)比
    4.4 本章小結(jié)
第五章 總結(jié)和展望
    5.1 總結(jié)
    5.2 展望
附錄
參考文獻(xiàn)
后記


【參考文獻(xiàn)】：
期刊論文
[1]追蹤事件微博報(bào)道:一種流的動(dòng)態(tài)話題模型[J]. 史存會(huì),林鴻飛.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2012(05)
[2]基于MB-LDA模型的微博主題挖掘[J]. 張晨逸,孫建伶,丁軼群.  計(jì)算機(jī)研究與發(fā)展. 2011(10)
[3]新浪微博數(shù)據(jù)挖掘方案[J]. 廉捷,周欣,曹偉,劉云.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(10)
[4]一種面向微博用戶的標(biāo)簽推薦方法[J]. 陳淵,林磊,孫承杰,劉秉權(quán).  智能計(jì)算機(jī)與應(yīng)用. 2011(05)



本文編號(hào)：3126889