基于微博平台的用户推荐模型研究

发布时间：2022-12-04 01:29

　　随着Web2.0时代的到来，诸如Twitter，新浪微博等微博系统受到了越来越多的用户的青睐。不同于传统的社交网络，微博系统所提供的最为基本也是最具特征的服务便是为每个用户根据个人喜好发布各自的微博短消息提供平台。每个用户的主页面上都会按照时间先后顺序显示其所有关注对象所发布的微博信息。因此，为用户推荐最相关的关注对象，从而使他们能够最大程度地受益于其关注对象所发布的微博信息之于微博推荐是一个十分重要的问题。然而，微博系统的用户数量是极为庞大的，在如此大规模的社区中为每一个用户推荐最相关的关注对象是一个充满挑战的研究。 针对微博系统社交特性与媒体特性并重这一独特性质，提出了一种基于挖掘用户之间潜在交互信息的推荐模型NDCG-LFM，该模型同时考虑了用户的微博内容信息和社交关系信息。此外，由于传统的潜在因子模型的目标函数不能很好地解决top-k推荐的问题，NDCG-LFM模型提出了一种新的评价指标作为参数优化的目标函数。针对新目标函数中用户的排序值变化不连续性所导致的传统参数优化算法不可行这一问题，NDCG-LFM模型进一步对新的目标函数做了平滑化处理，使得用户推荐模型能够获得高质... 

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

协同过滤算法简明示意图

随机梯度法迭代示意图

基于不同信息的推荐模型MRR实验结果

【参考文献】：
期刊论文
[1]个性化推荐系统评价方法综述[J]. 刘建国,周涛,郭强,汪秉宏.  复杂系统与复杂性科学. 2009(03)
[2]协同过滤推荐算法综述[J]. 马宏伟,张光卫,李鹏.  小型微型计算机系统. 2009(07)
[3]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏.  自然科学进展. 2009(01)



本文编号：3707349