【摘要】：【目的】利用用戶(hù)標(biāo)簽及關(guān)系網(wǎng)絡(luò),為用戶(hù)推薦潛在的相似用戶(hù)�！痉椒ā客ㄟ^(guò)探究社會(huì)化標(biāo)注系統(tǒng)中標(biāo)簽、關(guān)系網(wǎng)絡(luò)所表征的用戶(hù)長(zhǎng)短期興趣特征,綜合用戶(hù)標(biāo)簽及關(guān)注關(guān)系,利用多維尺度法構(gòu)建用戶(hù)聚類(lèi)模型,根據(jù)用戶(hù)聚類(lèi)結(jié)果進(jìn)行相似用戶(hù)推薦,并以"微博"為例對(duì)模型進(jìn)行實(shí)證�！窘Y(jié)果】實(shí)驗(yàn)結(jié)果表明,基于標(biāo)簽和關(guān)系網(wǎng)絡(luò)的用戶(hù)聚類(lèi)模型能夠有效地結(jié)合用戶(hù)長(zhǎng)短期興趣特征,挖掘潛在相似用戶(hù),聚類(lèi)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(hù)興趣領(lǐng)域,僅從一個(gè)領(lǐng)域驗(yàn)證了模型的準(zhǔn)確性與有效性�！窘Y(jié)論】通過(guò)對(duì)用戶(hù)標(biāo)簽及關(guān)系網(wǎng)絡(luò)挖掘用戶(hù)長(zhǎng)短期興趣,構(gòu)建的基于用戶(hù)靜態(tài)標(biāo)簽與動(dòng)態(tài)關(guān)系網(wǎng)絡(luò)的用戶(hù)推薦模型,對(duì)個(gè)性化用戶(hù)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(xué)信息管理學(xué)院;
【基金】：國(guó)家社會(huì)科學(xué)基金項(xiàng)目“大眾分類(lèi)中標(biāo)簽間語(yǔ)義關(guān)系挖掘研究”(項(xiàng)目編號(hào):12BTQ038)的研究成果之一
【分類(lèi)號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 丁向榮;;基于用戶(hù)聚類(lèi)的框計(jì)算改進(jìn)模型研究[J];科技通報(bào);2012年12期

3 王榮;李晉宏;宋威;;基于關(guān)鍵字的用戶(hù)聚類(lèi)算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年09期

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

5 彭艷;王小玲;;一種混合聚類(lèi)算法在用戶(hù)聚類(lèi)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(hù)聚類(lèi)的過(guò)濾推薦策略[J];計(jì)算機(jī)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(lèi)算法在Web挖掘中應(yīng)用的研究[J];科學(xué)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(biāo)綜合Web用戶(hù)聚類(lèi)算法[J];計(jì)算機(jī)應(yīng)用研究;2011年07期

9 劉芳先;李國(guó);;基于項(xiàng)目簇偏好的用戶(hù)聚類(lèi)算法[J];現(xiàn)代計(jì)算機(jī);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(hù)聚類(lèi)改進(jìn)[J];微電子學(xué)與計(jì)算機(jī);2008年03期

相關(guān)博士學(xué)位論文 前1條

1 趙潔;基于粒計(jì)算的Web使用挖掘研究[D];華南理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 楊登武;基于改進(jìn)的混合蛙跳算法的Web用戶(hù)聚類(lèi)研究[D];西南大學(xué);2015年

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

3 張世堯;基于用戶(hù)聚類(lèi)的微博話(huà)題推薦方法研究[D];安徽理工大學(xué);2017年

4 顧振宇;基于點(diǎn)擊的用戶(hù)聚類(lèi)的研究[D];電子科技大學(xué);2011年

5 陳澤紅;基于Web訪(fǎng)問(wèn)日志的用戶(hù)聚類(lèi)研究[D];廈門(mén)大學(xué);2014年

6 付志濤;基于Web日志的網(wǎng)絡(luò)用戶(hù)聚類(lèi)研究與實(shí)現(xiàn)[D];南京理工大學(xué);2007年

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

8 肖宗花;基于用戶(hù)訪(fǎng)問(wèn)行為與內(nèi)容的用戶(hù)聚類(lèi)算法的研究與實(shí)現(xiàn)[D];北京交通大學(xué);2013年

9 郝建斌;基于模糊理論的Web用戶(hù)聚類(lèi)的研究[D];北京理工大學(xué);2011年

10 鄭富蘭;基于Web用戶(hù)聚類(lèi)的多Markov鏈預(yù)測(cè)模型研究[D];山西師范大學(xué);2013年

，

本文編號(hào)：2443275