發(fā)布時間：2019-03-18 21:50

【摘要】：【目的】利用用戶標簽及關(guān)系網(wǎng)絡(luò),為用戶推薦潛在的相似用戶。【方法】通過探究社會化標注系統(tǒng)中標簽、關(guān)系網(wǎng)絡(luò)所表征的用戶長短期興趣特征,綜合用戶標簽及關(guān)注關(guān)系,利用多維尺度法構(gòu)建用戶聚類模型,根據(jù)用戶聚類結(jié)果進行相似用戶推薦,并以"微博"為例對模型進行實證。【結(jié)果】實驗結(jié)果表明,基于標簽和關(guān)系網(wǎng)絡(luò)的用戶聚類模型能夠有效地結(jié)合用戶長短期興趣特征,挖掘潛在相似用戶,聚類及推薦效果較好�！揪窒蕖繕颖緮�(shù)據(jù)集具有局限性,不能完全涵蓋用戶興趣領(lǐng)域,僅從一個領(lǐng)域驗證了模型的準確性與有效性�！窘Y(jié)論】通過對用戶標簽及關(guān)系網(wǎng)絡(luò)挖掘用戶長短期興趣,構(gòu)建的基于用戶靜態(tài)標簽與動態(tài)關(guān)系網(wǎng)絡(luò)的用戶推薦模型,對個性化用戶推薦效果有較好的提升。
[Abstract]:[objective] to recommend potential similar users to users by using user tags and relational networks. [methods] by exploring the long-term and short-term interest characteristics of users represented by relational networks in socialized labeling system, According to the user label and the relation of concern, the user clustering model is constructed by using multi-dimension scale method. According to the result of user clustering, similar user recommendation is made, and "Weibo" is taken as an example to demonstrate the model. [results] the experimental results show that: The user clustering model based on label and relational network can effectively combine the long-and short-term interest characteristics of users, mining potential similar users, clustering and recommendation effect is better. [limited] sample data set has limitations. The user interest domain can not be completely covered, and the accuracy and validity of the model can be verified from only one domain. [conclusion] by mining the long-term and short-term interest of users through user tags and relational networks, The user recommendation model based on user static label and dynamic relation network can improve the effect of personalized user recommendation.
【作者單位】： 華中師范大學信息管理學院;
【基金】：國家社會科學基金項目“大眾分類中標簽間語義關(guān)系挖掘研究”(項目編號:12BTQ038)的研究成果之一
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 顏端武;羅勝陽;成曉;;協(xié)同推薦中基于用戶-文檔矩陣的用戶聚類研究[J];現(xiàn)代圖書情報技術(shù);2007年03期

2 丁向榮;;基于用戶聚類的框計算改進模型研究[J];科技通報;2012年12期

3 王榮;李晉宏;宋威;;基于關(guān)鍵字的用戶聚類算法[J];計算機工程與設(shè)計;2012年09期

4 張晨;;集群環(huán)境下用戶聚類算法的智能化站點的架構(gòu)[J];硅谷;2012年24期

5 彭艷;王小玲;;一種混合聚類算法在用戶聚類中的應(yīng)用研究[J];信息技術(shù);2008年01期

6 張海榮;朱信忠;趙建民;徐慧英;;一種優(yōu)化的基于用戶聚類的過濾推薦策略[J];計算機系統(tǒng)應(yīng)用;2008年11期

7 王燕;孫玲芳;徐曰光;陳思光;黎維良;王雁秋;閆超;;基于高效多功能的聚類算法在Web挖掘中應(yīng)用的研究[J];科學技術(shù)與工程;2008年04期

8 趙潔;董振寧;張沙清;肖南峰;;一種基于粒度原理的多指標綜合Web用戶聚類算法[J];計算機應(yīng)用研究;2011年07期

9 劉芳先;李國;;基于項目簇偏好的用戶聚類算法[J];現(xiàn)代計算機;2013年18期

10 王瓊;顧文軒;徐汀榮;;結(jié)合關(guān)聯(lián)規(guī)則與FCM的用戶聚類改進[J];微電子學與計算機;2008年03期

相關(guān)博士學位論文 前1條

1 趙潔;基于粒計算的Web使用挖掘研究[D];華南理工大學;2010年

相關(guān)碩士學位論文 前10條

1 楊登武;基于改進的混合蛙跳算法的Web用戶聚類研究[D];西南大學;2015年

2 周松松;基于MapReduce用戶聚類算法在Web日志挖掘中應(yīng)用[D];河北工業(yè)大學;2015年

3 張世堯;基于用戶聚類的微博話題推薦方法研究[D];安徽理工大學;2017年

4 顧振宇;基于點擊的用戶聚類的研究[D];電子科技大學;2011年

5 陳澤紅;基于Web訪問日志的用戶聚類研究[D];廈門大學;2014年

6 付志濤;基于Web日志的網(wǎng)絡(luò)用戶聚類研究與實現(xiàn)[D];南京理工大學;2007年

7 蔣超;基于用戶聚類和語義詞典的微博推薦系統(tǒng)[D];浙江大學;2013年

8 肖宗花;基于用戶訪問行為與內(nèi)容的用戶聚類算法的研究與實現(xiàn)[D];北京交通大學;2013年

9 郝建斌;基于模糊理論的Web用戶聚類的研究[D];北京理工大學;2011年

10 鄭富蘭;基于Web用戶聚類的多Markov鏈預(yù)測模型研究[D];山西師范大學;2013年

，

本文編號：2443275