|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
一种基于用户动态兴趣和社交网络的微博推荐方法
2 m0 x# A' N x3 l摘要:针对为微博用户推荐符合其兴趣取向的个性化微博信息的问题,结合IDA主题模型,提出了一种基于用户动态兴趣和社交网络(DISN)的微博推荐方法. DISN方法首先引入时间函数,推断出用户的兴趣向量,通过对新发布的微博数据内容进行聚类分组,以用户兴趣向量筛选与用户最匹配的分组,随后以网格索引的形式对选定的分组中微博进行查询,计算微博发布者被目标用户关注的可能性并进行排序,最终形成推荐列表.实验验证了DISN方法较之传统方法更具有效性和高效性.
* V5 B7 i! b- g6 x; k- U关键词:动态兴趣;社交网络;LDA;网格查询;个性化推荐;微博
. Z3 L6 ~5 {* Y0 i! R' L( W7 q5 t; I' Q2 U. H5 |1 P
1引言
) I. |2 p% x) W1 e0 g/ D! {4 Y; Z随着web 2.0技术的不断发展与成熟,新兴社交媒体,如 tweet 、新浪微博等,已逐渐发展成为人们传播、分享信息的重要平台,并吸引了数以亿计的用户.根据新浪微博《2014年微博用户发展报告》,新浪微博月活跃用户数已达到1.67亿.如此庞大的用户群,每日将产生大量的数据,用户很容易被海量的数据所淹没.因而如何从海量的数据中选取并推荐用户感兴趣的内容变得越来越重要.然而,用户的兴趣往往随着时间的推移而发生着变化;此外,微博推荐在一定程度上也是向用户推荐与其志趣相投的用户.因此,实时而有效的个性化推荐显得尤为重要.. ^! A+ j2 l7 {. c( G& M+ G" M9 D5 k, ?
微博文本作为微博的信息载体很好地反映了用户的兴趣取向以及变化趋势,因而传统的微博推荐方法大都采用基于内容的推荐方法.基于内容的推荐方法首要解决的问题是对用户进行建模,传统的方法是对用户发布的所有历史数据无偏重地进行处理,从而推断用户兴趣,如高明等提出的基于LDA模型以及滑动窗口的个性化微博推荐方法 ", OtsukaE等人提出了基1 ?% r9 D+ I8 H1 a$ f
( t" b# h3 k( W& d1 ^ K; a( o v0 y6 K7 x Q
b( j- D% Q# H/ [
6 T/ P0 v! G9 S: _$ T, P& W- N |
|
/1 
发表于 2021-4-25 13:49
收藏
淘帖
支持！
反对！