本文關(guān)鍵詞：面向微博系統(tǒng)的實時個性化推薦研究　出處：《鄭州大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 社交網(wǎng)絡 微博內(nèi)容 個性化推薦 局部索引 實時推薦

【摘要】：近年來社交網(wǎng)絡服務(Social Networks Services,SNS)發(fā)展迅猛,尤其是微博系統(tǒng)憑借其社交特性、媒體特性、終端可擴展性,逐漸發(fā)展成為主流社交媒體,是目前人們實現(xiàn)社會交往、獲取和分享實時信息的一種重要方式,大量用戶頻繁的交互以及實時更新的內(nèi)容,產(chǎn)生了海量的數(shù)據(jù)流,導致信息超載,阻礙了用戶從大量數(shù)據(jù)中高效檢索出感興趣的信息,限制了社交網(wǎng)絡服務的發(fā)展,也為現(xiàn)有的推薦系統(tǒng)研究帶來了巨大的挑戰(zhàn)。一方面,巨大的數(shù)據(jù)量,使得傳統(tǒng)的推薦方法不能及時處理,同時還面臨著候選集過大的問題。另一方面,社交網(wǎng)絡中話題的不斷更新和用戶興趣的不斷變化,使得推薦的時效性成為研究難點。針對這些問題,本文深入分析微博的自身特征,在構(gòu)建用戶興趣向量模型時,結(jié)合微博內(nèi)容信息和用戶間的信任度得到用戶的興趣向量,通過主題模型計算微博主題特征詞的分布概率;提出微博局部索引機制(Partial Index Mechanism),改進倒排索引結(jié)構(gòu),對海量且持續(xù)更新的微博數(shù)據(jù)進行有效組織,減少索引成本,通過微博評分函數(shù)對新發(fā)布微博進行排序,索引列表中維持最受歡迎的微博;在微博實時個性化推薦部分,通過局部索引機制來維護最新發(fā)布或更新的微博,計算索引中的微博和用戶之間的興趣相似度,對結(jié)果進行排序。從索引列表中選取相應受歡迎度高的微博,構(gòu)建用戶個性化推薦列表。為驗證微博實時個性化推薦方法的實時性及有效性,選取真實的微博平臺用戶數(shù)據(jù)作為實驗對象進行多組實驗,并對實驗結(jié)果進行分析。實驗結(jié)果表明,本文提出的算法能夠有效的從海量微博信息中實時推薦用來感興趣的微博,在準確性、實時性方面要優(yōu)于傳統(tǒng)方法。
[Abstract]:In recent years, social networking service (Social Networks, Services, SNS) is developing rapidly, especially the micro-blog system with its social characteristics, media characteristics, terminal scalability, gradually become the mainstream of social media, is the realization of social communication, an important way to access and share information in real time, a large number of frequent and real-time user interaction the updated content, produced a huge amount of data flow, resulting in information overload, block users from large amounts of data, retrieve information of interest, limiting the development of social networking services, it also brings great challenges to the existing recommendation system research. On the one hand, the huge amount of data, the traditional method cannot be recommended the timely treatment, but also facing the candidate set is too large. On the other hand, changing constantly updates and user interest topics in social networks, which makes the recommended time Becomes difficult. To solve these problems, this paper analyzed the characteristics of micro-blog, in the construction of user interest vector model, combined with micro-blog content information between the user and the user's trust to get interest vector, the distribution probability calculation of feature words by micro-blog theme topic model; put forward micro-blog local index mechanism (Partial Index Mechanism) improved, the inverted index structure, micro-blog data on the massive and continuous updating of the effective organization, reduce the cost of the index, by sorting the newly released micro-blog micro-blog scoring function, maintain the most popular micro-blog index list; recommendation part in micro-blog real-time personalization, through local index mechanism to maintain the latest release or update micro-blog and interest in computing the similarity between the index and micro-blog users, to sort the results from the index list. Select the appropriate high popularity of micro-blog, The construction of personalized recommendation list. The real-time and effectiveness of the recommended method for verification of micro-blog real-time personalization, user selection of micro-blog platform real data as experimental subjects for many experiments, and the experimental results are analyzed. The experimental results show that the proposed algorithm can effectively real-time information from the massive micro-blog recommended for interest micro-blog, in accuracy, real-time performance is superior to the traditional method.

【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 李杰;徐勇;王云峰;;面向大規(guī)模定制的個性化推薦研究[J];河北工業(yè)大學學報;2008年04期

2 朱世清;;個性化推薦技術(shù)在學科服務中的應用研究[J];農(nóng)業(yè)圖書情報學刊;2012年10期

3 李穎;方興;;旅游微博個性化推薦技術(shù)和推薦效果研究[J];硅谷;2013年23期

4 冀俊忠,劉椿年;基于多級客戶模型的個性化推薦機制[J];小型微型計算機系統(tǒng);2005年09期

5 胡慕海;蔡淑琴;張宇;;面向個性化推薦的情境化用戶偏好研究[J];情報雜志;2010年10期

6 武慧娟;周蘭萍;辛躍;;基于知識圖譜的國內(nèi)外個性化推薦比較研究[J];東北電力大學學報;2012年05期

7 徐月美;姜薇;王溢策;;移動設備的個性化推薦在上下文感知應用[J];微計算機信息;2009年21期

8 夏秀峰;吳蘭蘭;;一種基于商品基因的個性化推薦模型[J];遼寧大學學報(自然科學版);2009年04期

9 劉蓓琳;;基于用戶滿意度的電子商務個性化推薦評價研究[J];中國物流與采購;2012年14期

10 孫鴻飛;武慧娟;李晟光;;基于知識圖譜的個性化推薦研究熱點與前沿分析[J];情報科學;2012年12期

相關(guān)會議論文 前10條

1 馮時;陽峰;王大玲;于戈;;基于虛擬觀點社群的用戶個性化推薦[A];第六屆全國信息檢索學術(shù)會議論文集[C];2010年

2 劉晉;王潛平;房坤;;基于agent技術(shù)和反饋機制的個性化推薦方法研究與設計[A];第二屆和諧人機環(huán)境聯(lián)合學術(shù)會議(HHME2006)——第2屆中國人機交互學術(shù)會議(CHCI'06)論文集[C];2006年

3 王鑫;黃忠義;;網(wǎng)絡資源中基于K-Means聚類的個性化推薦[A];2013年全國通信軟件學術(shù)會議論文集[C];2013年

4 曹雷;杜輝鋒;;基于Web挖掘的個性化推薦模型的研究[A];全國第十屆企業(yè)信息化與工業(yè)工程學術(shù)年會論文集[C];2006年

5 趙云龍;李艷兵;;社交網(wǎng)絡用戶的人格預測與關(guān)系強度研究[A];第七屆（2012）中國管理學年會商務智能分會場論文集（選編）[C];2012年

6 宮廣宇;李開軍;;對社交網(wǎng)絡中信息傳播的分析和思考——以人人網(wǎng)為例[A];首屆華中地區(qū)新聞與傳播學科研究生學術(shù)論壇獲獎論文[C];2010年

7 楊子鵬;喬麗娟;王夢思;楊雪迎;孟子冰;張禹;;社交網(wǎng)絡與大學生焦慮緩解[A];心理學與創(chuàng)新能力提升——第十六屆全國心理學學術(shù)會議論文集[C];2013年

8 畢雪梅;;體育虛擬社區(qū)中的體育社交網(wǎng)絡解析[A];第九屆全國體育科學大會論文摘要匯編(4)[C];2011年

9 杜p，

本文編號：1425596