基于微博引用的个性化推荐

发布时间：2024-03-26 22:47

　　协同过滤是一种当今个性化推荐领域应用最为广泛的推荐技术。本文提出了一种基于微博引用及其用户特征和分类的协同过滤推荐算法,该算法综合考虑了微博用户信息及习惯特征和用户引用内容分类偏好特征的相似性。首先,计算微博用户个人信息和用户习惯的多维度相似性,再根据引用内容标题在多类别中的比例,对用户构建特征并计算用户偏好的相似度。然后,对多个相似度的结果加权得到用户的综合相似度,排序后得到目标用户的近邻用户集,即为对微博用户的推荐用户结果集。最后,根据近邻用户集对微博项的评价预测目标用户的喜好指数,产生推荐微博项。 对于微博个性化推荐中的用户运算数据集的选取,本文提出了基于用户关系的用户数据集抽取和基于分类特征的用户数据集抽取,从而大大降低了运算用户集的数据量,对算法的性能有很大的提升和优化。 本课题中主要做了以下方面的工作：1.调研了个性化推荐领域的国内外研究方向和算法的相关技术。2.设计并实现了一种基于微博引用及用户特征和分类的个性化推荐模型与算法,详细介绍了系统的流程与架构。3.对本文算法有效性进行了验证,选取新浪微博的微博数据集作为本文实验数据,使用本文提出的算法进行了相关验证,比较了本文...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
目录
第一章 绪论
    1.1 课题研究背景和意义
    1.2 国内外的研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 本文的研究内容和方法
        1.3.1 研究内容
        1.3.2 解决的关键问题和方法
        1.3.3 本文内容框架
    1.4 本章小结
第二章 个性化推荐算法及系统的研究
    2.1 个性化推荐系统的背景
    2.2 个性化推荐的相关技术
        2.2.1 信息检索和信息过滤
        2.2.2 贝叶斯网络
        2.2.3 分词和词语频率统计
        2.2.4 聚类
        2.2.5 关联规则
        2.2.6 特征及特征抽取
        2.2.7 协同过滤算法
    2.3 基于内容信息的个性化推荐
    2.4 基于协同过滤技术的个性化推荐
    2.5 基于用户的协同过滤推荐技术
    2.6 基于项目的协同过滤推荐系统
    2.7 多种方式结合的个性化推荐
    2.8 个性化推荐技术的主要难点
    2.9 SNS社区的个性化推荐技术
        2.9.1 微博用户的个性化推荐
        2.9.2 微博信息的过滤和推荐
    2.10 本章小结
第三章 基于微博引用及用户特征和分类的个性化推荐算法
    3.1 微博用户的特征抽取
        3.1.1 基于微博用户信息及习惯的特征抽取
        3.1.2 基于微博用户引用内容的分类特征的抽取
        3.1.3 相似用户的选取及推荐
    3.2 微博个性化推荐的用户集选择
        3.2.1 基于用户关系的用户集选择
        3.2.2 基于引用分类特征的用户集选取
    3.3 生成推荐结果
    3.4 系统模型与架构
    3.5 本章小结
第四章 实验数据与性能分析
    4.1 微博舆情系统
        4.1.1 微博舆情系统架构
        4.1.2 微博数据采集
        4.1.3 微博舆情监控
        4.1.4 实验数据集的选取
    4.2 实验环境
    4.3 实验数据分析
        4.3.1 目标用户的运算用户集的选取
        4.3.2 用户信息及习惯的相似度计算
        4.3.3 用户引用内容类别的相似度计算
        4.3.4 用户综合相似度的计算
        4.3.5 目标用户推荐用户结果的生成
        4.3.6 目标用户推荐微博结果的生成
        4.3.7 算法评价方式
    4.4 实验结果与分析
    4.5 本章小结
第五章 总结与展望
    5.1 论文工作总结
    5.2 进一步研究方向
参考文献
致谢
攻读硕士学位期间发表论文



本文编号：3939798