隨著新浪微博、推特等社交網(wǎng)絡(luò)服務(wù)的快速發(fā)展,越來(lái)越多的用戶在這些社交平臺(tái)上表達(dá)自己的個(gè)人知識(shí)、感受、意見和評(píng)論,導(dǎo)致用戶規(guī)模的爆發(fā)式增長(zhǎng)和社交服務(wù)機(jī)制的創(chuàng)新變革。每天有數(shù)以百萬(wàn)計(jì)的用戶發(fā)布數(shù)以千萬(wàn)計(jì)的微博,與Twitter上的tweets相對(duì)應(yīng),在各種社交媒體上生成豐富多樣的用戶內(nèi)容,如何快速準(zhǔn)確地通過(guò)微博發(fā)現(xiàn)用戶感興趣的內(nèi)容成為研究人員的一大方向。為此,我們通過(guò)對(duì)用戶之間的社會(huì)關(guān)系、標(biāo)簽之間的共現(xiàn)關(guān)系和語(yǔ)義關(guān)系的共同探究,設(shè)計(jì)了一種綜合推薦算法。首先,通過(guò)實(shí)驗(yàn)驗(yàn)證了用戶之間的交流互動(dòng)和好友關(guān)系確實(shí)能夠說(shuō)明他們之間某種程度興趣的相似性,我們可以據(jù)此來(lái)產(chǎn)生我們的局部標(biāo)簽傳播的方案,同時(shí)我們還實(shí)驗(yàn)驗(yàn)證了標(biāo)簽之間存在的共現(xiàn)現(xiàn)象,即用戶如果標(biāo)記了某個(gè)標(biāo)簽,那么另外一個(gè)標(biāo)簽也很有可能會(huì)被標(biāo)記,由此,我們實(shí)現(xiàn)了局部標(biāo)簽傳播產(chǎn)生候選標(biāo)簽的方案。其次,根據(jù)用戶微博內(nèi)容確定標(biāo)簽的初始權(quán)重,再由用戶之間在微博上的交流互動(dòng),不僅考慮標(biāo)簽由此的前向傳播,更考慮了可能帶來(lái)的逆向傳播,并且給與他們不同的權(quán)重系數(shù),由此得到標(biāo)簽的局部傳播,并產(chǎn)生候選標(biāo)簽。接下來(lái),我們通過(guò)共現(xiàn)的方式將候選標(biāo)簽擴(kuò)展,得到更多的候選標(biāo)簽,...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容和章節(jié)安排
2 推薦算法研究基礎(chǔ)
    2.1 主流模型簡(jiǎn)要介紹
    2.2 實(shí)驗(yàn)數(shù)據(jù)的獲取
    2.3 同質(zhì)性和共現(xiàn)性現(xiàn)象的驗(yàn)證
    2.4 本章小結(jié)
3 基于互動(dòng)挖掘用戶潛在標(biāo)簽
    3.1 算法中的定義
    3.2 確定已有標(biāo)簽的初始權(quán)重
    3.3 主題興趣標(biāo)簽更新
    3.4 實(shí)驗(yàn)評(píng)估
    3.5 與其他方法比較
    3.6 本章小結(jié)
4 標(biāo)簽共現(xiàn)與語(yǔ)義冗余消除
    4.1 推薦算法的實(shí)現(xiàn)
    4.2 參數(shù)學(xué)習(xí)
    4.3 實(shí)驗(yàn)測(cè)試
    4.4 實(shí)例分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)



本文編號(hào)：3790449