隨著Web2.0時(shí)代的到來(lái)，諸如Twitter，新浪微博等微博系統(tǒng)受到了越來(lái)越多的用戶(hù)的青睞。不同于傳統(tǒng)的社交網(wǎng)絡(luò)，微博系統(tǒng)所提供的最為基本也是最具特征的服務(wù)便是為每個(gè)用戶(hù)根據(jù)個(gè)人喜好發(fā)布各自的微博短消息提供平臺(tái)。每個(gè)用戶(hù)的主頁(yè)面上都會(huì)按照時(shí)間先后順序顯示其所有關(guān)注對(duì)象所發(fā)布的微博信息。因此，為用戶(hù)推薦最相關(guān)的關(guān)注對(duì)象，從而使他們能夠最大程度地受益于其關(guān)注對(duì)象所發(fā)布的微博信息之于微博推薦是一個(gè)十分重要的問(wèn)題。然而，微博系統(tǒng)的用戶(hù)數(shù)量是極為龐大的，在如此大規(guī)模的社區(qū)中為每一個(gè)用戶(hù)推薦最相關(guān)的關(guān)注對(duì)象是一個(gè)充滿(mǎn)挑戰(zhàn)的研究。 針對(duì)微博系統(tǒng)社交特性與媒體特性并重這一獨(dú)特性質(zhì)，提出了一種基于挖掘用戶(hù)之間潛在交互信息的推薦模型NDCG-LFM，該模型同時(shí)考慮了用戶(hù)的微博內(nèi)容信息和社交關(guān)系信息。此外，由于傳統(tǒng)的潛在因子模型的目標(biāo)函數(shù)不能很好地解決top-k推薦的問(wèn)題，NDCG-LFM模型提出了一種新的評(píng)價(jià)指標(biāo)作為參數(shù)優(yōu)化的目標(biāo)函數(shù)。針對(duì)新目標(biāo)函數(shù)中用戶(hù)的排序值變化不連續(xù)性所導(dǎo)致的傳統(tǒng)參數(shù)優(yōu)化算法不可行這一問(wèn)題，NDCG-LFM模型進(jìn)一步對(duì)新的目標(biāo)函數(shù)做了平滑化處理，使得用戶(hù)推薦模型能夠獲得高質(zhì)... 

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

協(xié)同過(guò)濾算法簡(jiǎn)明示意圖

隨機(jī)梯度法迭代示意圖

基于不同信息的推薦模型MRR實(shí)驗(yàn)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]個(gè)性化推薦系統(tǒng)評(píng)價(jià)方法綜述[J]. 劉建國(guó),周濤,郭強(qiáng),汪秉宏.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2009(03)
[2]協(xié)同過(guò)濾推薦算法綜述[J]. 馬宏偉,張光衛(wèi),李鵬.  小型微型計(jì)算機(jī)系統(tǒng). 2009(07)
[3]個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國(guó),周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)



本文編號(hào)：3707349