基于微博的個性化推薦問題研究.pdf

1、隨著互聯網及計算機技術的快速發(fā)展，信息時代面臨著嚴重的信息過載問題，這就要求通過技術手段過濾無關信息，僅為用戶提供其感興趣的信息，以實現信息的個性化推薦。如何有效地挖掘用戶的個性化興趣，是實現個性化推薦的關鍵所在。
　　近年來，隨著微博的快速發(fā)展和廣泛應用，微博已成為一種重要的社會化媒體。微博是以興趣相近為紐帶組成的網絡社交平臺，用戶的興趣、行為等都可通過其微博透露。微博憑借內容簡潔性、終端擴展性、平臺開放性和低門檻等特性迅速贏得

2、網民青睞，已發(fā)展成為個人表達與社會交往，事件參與和內容分享的重要平臺，深刻影響了經濟社會的發(fā)展。因此，深入研究用戶微博，挖掘用戶的個性化興趣，將為個性化推薦提供一種潛在的途徑和渠道。
　　微博有明顯區(qū)別于其它社會網絡之處，其特點有社會媒體性、大規(guī)模、噪音數據多樣、非線性、快速傳播演化、以及多關系，必須采用與其它社會網絡的不同方式來進行分析挖掘。本文以用戶興趣挖掘為目標，針對微博內容的時效性、微博興趣的社交特性以及用戶興趣的更新性等

3、問題進行深入研究，本文的主要創(chuàng)新點及貢獻如下：
　　(1)針對微博內容的時效性問題，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間用戶興趣會發(fā)生遷移，可能不再關注原來的興趣的問題。
　　本文提出一種時間敏感的T-LDA算法，該算法主要從三個方面挖掘用戶自身興趣，其一是用戶長期興趣，即長時間內用戶微博內容中反復涉及的主題信息；其二是用戶近期興趣，即用戶在近期內其微博內容中涉及的之前沒有的主題信息；其三是

4、用戶的過期興趣。綜合考慮興趣主題的時間和權重，挖掘用戶自身興趣。實驗結果表明，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注的問題。
　　本文提出一種FInterest用戶關注人興趣挖掘算法，該算法首先對用戶關注人進行分析，得出用戶特別關注人列表，其次著重挖掘用戶特別關注人的長期興趣，它代表關注人長期穩(wěn)定的興

5、趣范疇；最后挖掘所有用戶關注人的即時興趣，代表用戶興趣發(fā)生遷移的可能興趣范疇。實現了用戶社交興趣的有效關注。實驗結果表明，FInterest算法來進行挖掘用戶關注人興趣可以更有效的獲取用戶興趣主題。
　　(3)針對不能及時獲取最新用戶興趣的問題，提出一種引入評價反饋機制的用戶興趣模型更新算法，解決了不能及時更新用戶反饋的問題。
　　本文提出一種引入評價反饋機制的用戶興趣模型更新算法，該算法通過讓用戶對系統(tǒng)所推薦的信息進行評分

6、反饋或鏈接閱讀反饋，記錄下每個鏈接對應主題，然后對對應用戶主題進行推薦值增益或消減，有效實現了用戶反饋的及時更新。實驗結果表明，引入評價反饋機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向，獲取更真實的用戶興趣，也更精確地實現了信息個性化推薦。
　　本論文深入分析微博的特點，針對其內容的時效性、微博興趣的社交特性以及用戶興趣的更新性等問題進行相關研究，通過實驗結合利用新浪微博開放平臺以及豆瓣網開放平臺，對設計的相關算法進行驗