本文關(guān)鍵詞：基于社交網(wǎng)絡(luò)的數(shù)據(jù)過濾與數(shù)據(jù)推送，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著Web2.0時代的到來,各類網(wǎng)絡(luò)技術(shù)迅猛發(fā)展,計算機模擬人類思維能力不斷提高,各類工業(yè)和生活應(yīng)用大量涌現(xiàn)。這也導(dǎo)致了龐大的歷史數(shù)據(jù)堆積,人類已經(jīng)從信息匱乏時代過渡到信息過載時代。面對巨大的、無序的Internet空間,傳統(tǒng)的信息搜索方式已經(jīng)不能滿足人們?nèi)找嬖鲩L的信息需求。如何利用計算機從海量數(shù)據(jù)中快速高效地找出潛在的、有價值的信息,成為了人們關(guān)注的熱點話題。目前,推薦系統(tǒng)的發(fā)展能幫助用戶方便、快捷地定位所需信息,而對用戶進行興趣分析正是其中的關(guān)鍵。社交網(wǎng)絡(luò)的迅速崛起為我們分析用戶興趣提供了一個嶄新的內(nèi)容全面且豐富的數(shù)據(jù)來源。因此,社交網(wǎng)絡(luò)成為了當前國內(nèi)外學(xué)者研究的重要內(nèi)容。另外,在過去的一段時間里,信息處理技術(shù)不斷走向成熟。其中文本相似性計算也有了長足的發(fā)展,被廣泛應(yīng)用于文獻檢索、文本分類和機器翻譯等領(lǐng)域。一些學(xué)者對中文文本分詞方法、特征值提取方法和文本相似性判別算法進行改進,并取得了一定成果。但是這些方法大都是針對特定領(lǐng)域的具體應(yīng)用而言,適用范圍較小。受中文語言特點的限制,現(xiàn)有算法一般只適用于某一領(lǐng)域,而在另一領(lǐng)域的適用性往往較差,新的應(yīng)用還需要研究新的算法才能解決。本文基于微博,對利用微博獲取用戶興趣并進行個性化推薦的方法展開了研究和探索。相較于目前的研究工作,本文主要存在以下三方面的不同。首先,考慮到當前針對中文語言的信息處理算法中存在的不足,提出將提取多特征屬性的文本相似性判別思想運用到微博文本中,通過多角度的提取詞條特征項,來提高文本表示的準確性,并減少文本語義信息量的損失。其次,使用外部語料庫來確定用戶興趣分類,并以此來豐富微博語義、克服因微博內(nèi)容簡短而帶來的主題模型數(shù)目不易確定的問題。此外,受Ebbinghaus遺忘曲線的啟發(fā),我們認為人類的興趣并不總是一成不變的,在傳統(tǒng)基于內(nèi)容的推薦算法的基礎(chǔ)上,提出基于時間權(quán)重函數(shù)的個性化推薦算法,用以剔除用戶過期興趣,并區(qū)分實時興趣。最后,我們設(shè)置多組實驗,經(jīng)對比發(fā)現(xiàn),本文中提出的提取多特征屬性、應(yīng)用外部語料庫來進行用戶興趣分類和考慮用戶興趣隨時間變化的思想能有效緩解傳統(tǒng)方法在處理微博文本方面存在的問題,提高推薦精度。
【關(guān)鍵詞】：社交網(wǎng)絡(luò) 興趣分析 文本相似性計算 時間權(quán)重函數(shù) 個性化推薦
【學(xué)位授予單位】：濟南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.09
【目錄】：

• 摘要7-8
• Abstract8-10
• 第一章 緒論10-20
• 1.1 研究背景和意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 文本挖掘相關(guān)研究12-13
• 1.2.2 用戶興趣分析13-14
• 1.2.3 個性化推薦14-15
• 1.3 論文主要工作、創(chuàng)新點和面臨的挑戰(zhàn)15-17
• 1.3.1 論文主要工作15-16
• 1.3.2 本文創(chuàng)新點16
• 1.3.3 本文面臨的挑戰(zhàn)16-17
• 1.4 論文組織結(jié)構(gòu)17-20
• 第二章 相關(guān)概念和方法20-30
• 2.1 微博20-21
• 2.2 文本相似性判別21-26
• 2.2.1 本章概述21
• 2.2.2 文本相似性判別的基本流程21-26
• 2.3 二維特征集合相關(guān)概念26-27
• 2.4 本章小結(jié)27-30
• 第三章 微博的用戶興趣分析與個性化推薦方法研究30-38
• 3.1 本章概述30
• 3.2 引入外部語料庫30-32
• 3.3 用戶興趣分析32-35
• 3.3.1 遺忘曲線33
• 3.3.2 基于遺忘曲線的時間權(quán)重函數(shù)33-34
• 3.3.3 用戶興趣分析算法及流程描述34-35
• 3.4 個性化推薦35-36
• 3.5 本章小結(jié)36-38
• 第四章 實驗方案設(shè)計與結(jié)果分析38-46
• 4.1 實驗數(shù)據(jù)集38-39
• 4.2 評價標準39-40
• 4.3 與基于單特征值提取算法的實驗對比40-42
• 4.4 與未考慮時間權(quán)重的傳統(tǒng)算法的實驗對比42-44
• 4.5 與未引入外部語料庫的傳統(tǒng)算法的實驗對比44-45
• 4.6 本章小結(jié)45-46
• 第五章 針對微博的個性化推薦系統(tǒng)實現(xiàn)46-52
• 5.1 系統(tǒng)簡介46
• 5.2 系統(tǒng)結(jié)構(gòu)46-49
• 5.2.1 用戶登錄模塊46-48
• 5.2.2 后臺定時更新模塊48
• 5.2.3 興趣分類模塊48-49
• 5.2.4 個性化推薦模塊49
• 5.3 系統(tǒng)實現(xiàn)與應(yīng)用49
• 5.4 本章小結(jié)49-52
• 第六章 結(jié)論與展望52-54
• 6.1 全文總結(jié)52
• 6.2 進一步研究展望52-54
• 參考文獻54-58
• 致謝58-60
• 附錄60

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 歐潔;林守勛;劉桂林;;個性化智能信息提取中的用戶興趣發(fā)現(xiàn)[J];計算機科學(xué);2001年03期

2 蔣學(xué)鋒;;用戶興趣的結(jié)構(gòu)和個性化服務(wù)的實現(xiàn)[J];計算技術(shù)與自動化;2005年04期

3 李鈍;曹元大;張龍飛;;用戶興趣優(yōu)化過濾方法研究[J];計算機工程;2006年20期

4 費洪曉;戴弋;穆s，

本文編號：403897