本文關(guān)鍵詞：基于微博的個(gè)性化推薦問題研究

  更多相關(guān)文章： 用戶興趣 主題模型 個(gè)性化推薦

【摘要】：隨著互聯(lián)網(wǎng)及計(jì)算機(jī)技術(shù)的快速發(fā)展，信息時(shí)代面臨著嚴(yán)重的信息過載問題，這就要求通過技術(shù)手段過濾無關(guān)信息，僅為用戶提供其感興趣的信息，以實(shí)現(xiàn)信息的個(gè)性化推薦。如何有效地挖掘用戶的個(gè)性化興趣，是實(shí)現(xiàn)個(gè)性化推薦的關(guān)鍵所在。 近年來，隨著微博的快速發(fā)展和廣泛應(yīng)用，微博已成為一種重要的社會(huì)化媒體。微博是以興趣相近為紐帶組成的網(wǎng)絡(luò)社交平臺(tái)，用戶的興趣、行為等都可通過其微博透露。微博憑借內(nèi)容簡潔性、終端擴(kuò)展性、平臺(tái)開放性和低門檻等特性迅速贏得網(wǎng)民青睞，已發(fā)展成為個(gè)人表達(dá)與社會(huì)交往，事件參與和內(nèi)容分享的重要平臺(tái)，深刻影響了經(jīng)濟(jì)社會(huì)的發(fā)展。因此，深入研究用戶微博，挖掘用戶的個(gè)性化興趣，將為個(gè)性化推薦提供一種潛在的途徑和渠道。 微博有明顯區(qū)別于其它社會(huì)網(wǎng)絡(luò)之處，其特點(diǎn)有社會(huì)媒體性、大規(guī)模、噪音數(shù)據(jù)多樣、非線性、快速傳播演化、以及多關(guān)系，必須采用與其它社會(huì)網(wǎng)絡(luò)的不同方式來進(jìn)行分析挖掘。本文以用戶興趣挖掘?yàn)槟繕?biāo)，針對(duì)微博內(nèi)容的時(shí)效性、微博興趣的社交特性以及用戶興趣的更新性等問題進(jìn)行深入研究，本文的主要?jiǎng)?chuàng)新點(diǎn)及貢獻(xiàn)如下： (1)針對(duì)微博內(nèi)容的時(shí)效性問題，提出一種基于微博的T-LDA用戶自身興趣挖掘算法,有效地解決了隨著時(shí)間用戶興趣會(huì)發(fā)生遷移，可能不再關(guān)注原來的興趣的問題。 本文提出一種時(shí)間敏感的T-LDA算法，該算法主要從三個(gè)方面挖掘用戶自身興趣，，其一是用戶長期興趣，即長時(shí)間內(nèi)用戶微博內(nèi)容中反復(fù)涉及的主題信息；其二是用戶近期興趣，即用戶在近期內(nèi)其微博內(nèi)容中涉及的之前沒有的主題信息；其三是用戶的過期興趣。綜合考慮興趣主題的時(shí)間和權(quán)重，挖掘用戶自身興趣。實(shí)驗(yàn)結(jié)果表明，該算法能挖掘出用戶更滿意的自身興趣主題。 (2)針對(duì)微博興趣的社交特性，提出一種基于用戶社交圈興趣挖掘算法FInterest，有效解決了用戶社交興趣沒有得到關(guān)注的問題。 本文提出一種FInterest用戶關(guān)注人興趣挖掘算法，該算法首先對(duì)用戶關(guān)注人進(jìn)行分析，得出用戶特別關(guān)注人列表，其次著重挖掘用戶特別關(guān)注人的長期興趣，它代表關(guān)注人長期穩(wěn)定的興趣范疇；最后挖掘所有用戶關(guān)注人的即時(shí)興趣，代表用戶興趣發(fā)生遷移的可能興趣范疇。實(shí)現(xiàn)了用戶社交興趣的有效關(guān)注。實(shí)驗(yàn)結(jié)果表明， FInterest算法來進(jìn)行挖掘用戶關(guān)注人興趣可以更有效的獲取用戶興趣主題。 (3)針對(duì)不能及時(shí)獲取最新用戶興趣的問題，提出一種引入評(píng)價(jià)反饋機(jī)制的用戶興趣模型更新算法，解決了不能及時(shí)更新用戶反饋的問題。 本文提出一種引入評(píng)價(jià)反饋機(jī)制的用戶興趣模型更新算法，該算法通過讓用戶對(duì)系統(tǒng)所推薦的信息進(jìn)行評(píng)分反饋或鏈接閱讀反饋，記錄下每個(gè)鏈接對(duì)應(yīng)主題，然后對(duì)對(duì)應(yīng)用戶主題進(jìn)行推薦值增益或消減，有效實(shí)現(xiàn)了用戶反饋的及時(shí)更新。實(shí)驗(yàn)結(jié)果表明，引入評(píng)價(jià)反饋機(jī)制的用戶興趣模型挖掘更能挖掘跟蹤用戶最新興趣遷移動(dòng)向，獲取更真實(shí)的用戶興趣，也更精確地實(shí)現(xiàn)了信息個(gè)性化推薦。 本論文深入分析微博的特點(diǎn)，針對(duì)其內(nèi)容的時(shí)效性、微博興趣的社交特性以及用戶興趣的更新性等問題進(jìn)行相關(guān)研究，通過實(shí)驗(yàn)結(jié)合利用新浪微博開放平臺(tái)以及豆瓣網(wǎng)開放平臺(tái)，對(duì)設(shè)計(jì)的相關(guān)算法進(jìn)行驗(yàn)證和測試，為開展基于微博的個(gè)性化推薦研究奠定堅(jiān)實(shí)的理論基礎(chǔ)。
【關(guān)鍵詞】：用戶興趣 主題模型 個(gè)性化推薦
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.3;TP393.092
【目錄】：

• 摘要6-8
• ABSTRACT8-11
• 第一章 緒論11-16
• 1.1 研究背景及意義11-13
• 1.2 微博研究面臨的問題13
• 1.3 主要研究內(nèi)容及創(chuàng)新點(diǎn)13-14
• 1.4 論文的組織結(jié)構(gòu)14-16
• 第二章 相關(guān)研究工作16-30
• 2.1 個(gè)性化推薦方法16-19
• 2.1.1 基于內(nèi)容的推薦16-17
• 2.1.2 協(xié)同過濾推薦17-19
• 2.1.3 混合方式推薦19
• 2.2 基于微博的推薦研究19-23
• 2.2.1 微博內(nèi)容19-20
• 2.2.2 微博特點(diǎn)20
• 2.2.3 微博主題挖掘研究20-22
• 2.2.4 用戶興趣模型表示方法22-23
• 2.3 推薦系統(tǒng)評(píng)價(jià)方式23-26
• 2.3.1 用戶滿意度23-24
• 2.3.2 預(yù)測準(zhǔn)確度24-25
• 2.3.3 覆蓋率25
• 2.3.4 其它評(píng)價(jià)方式25-26
• 2.4 個(gè)性化推薦的商業(yè)網(wǎng)絡(luò)服務(wù)26
• 2.5 相關(guān)算法26-29
• 2.5.1 TF-IDF 算法26-27
• 2.5.2 Latent Dirichlet Allocation 算法27-29
• 2.6 小結(jié)29-30
• 第三章 基于微博的用戶興趣挖掘30-47
• 3.1 微博數(shù)據(jù)模型表示30-31
• 3.2 用戶微博自身興趣挖掘31-36
• 3.2.1 T-LDA 算法思想34
• 3.2.2 T-LDA 算法步驟34-36
• 3.2.3 T-LDA 興趣挖掘算法步驟表示36
• 3.3 基于 SNS 的用戶微博關(guān)注人興趣挖掘36-40
• 3.3.1 FInterest 算法思想37-38
• 3.3.2 FInterest 算法步驟38-40
• 3.3.3 FInterest 興趣挖掘算法表示40
• 3.4 實(shí)驗(yàn)40-46
• 3.4.1 實(shí)驗(yàn)環(huán)境40-42
• 3.4.2 實(shí)驗(yàn)結(jié)果展示42-44
• 3.4.3 實(shí)驗(yàn)對(duì)比及分析44-46
• 3.5 小結(jié)46-47
• 第四章 基于評(píng)價(jià)反饋的用戶興趣更新47-57
• 4.1 引入評(píng)價(jià)反饋機(jī)制的個(gè)性化信息推薦算法47-51
• 4.1.1 算法思想47
• 4.1.2 算法步驟47-51
• 4.2 實(shí)驗(yàn)51-56
• 4.2.1 實(shí)驗(yàn)環(huán)境54
• 4.2.2 實(shí)驗(yàn)及結(jié)果展示54-55
• 4.2.3 實(shí)驗(yàn)對(duì)比分析55-56
• 4.3 本章小結(jié)56-57
• 第五章 總結(jié)與展望57-60
• 5.1 總結(jié)57-58
• 5.2 展望58-60
• 參考文獻(xiàn)60-64
• 攻讀碩士學(xué)位期間的主要工作64-65
• 致謝65-66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 邢春曉;高鳳榮;戰(zhàn)思南;周立柱;;適應(yīng)用戶興趣變化的協(xié)同過濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2007年02期

2 張晨逸;孫建伶;丁軼群;;基于MB-LDA模型的微博主題挖掘[J];計(jì)算機(jī)研究與發(fā)展;2011年10期

3 王國霞;劉賀平;;個(gè)性化推薦系統(tǒng)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

4 應(yīng)曉敏,劉明,竇文華;一種面向個(gè)性化服務(wù)的客戶端細(xì)粒度用戶建模方法[J];計(jì)算機(jī)工程與科學(xué);2003年06期

5 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[J];計(jì)算機(jī)學(xué)報(bào);2010年08期

6 李磊;王丁丁;朱順痣;李濤;;Personalized News Recommendation:A Review and an Experimental Investigation[J];Journal of Computer Science & Technology;2011年05期

7 陳克寒;韓盼盼;吳健;;基于用戶聚類的異構(gòu)社交網(wǎng)絡(luò)推薦算法[J];計(jì)算機(jī)學(xué)報(bào);2013年02期

8 徐志明;李棟;劉挺;李生;王剛;袁樹侖;;微博用戶的相似性度量及其應(yīng)用[J];計(jì)算機(jī)學(xué)報(bào);2014年01期

9 高明;金澈清;錢衛(wèi)寧;王曉玲;周傲英;;面向微博系統(tǒng)的實(shí)時(shí)個(gè)性化推薦[J];計(jì)算機(jī)學(xué)報(bào);2014年04期

10 丁兆云;賈焰;周斌;;微博數(shù)據(jù)挖掘研究綜述[J];計(jì)算機(jī)研究與發(fā)展;2014年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 邢星;社交網(wǎng)絡(luò)個(gè)性化推薦方法研究[D];大連海事大學(xué);2013年

本文編號(hào)：916520