论文部分内容阅读
随着社交网络的普及和飞速发展,越来越多的用户通过社交网络向外界传递并实时获取信息。微博作为典型的社交网络,以其简短、实时、易操作的特点吸引了广大用户的使用。随着使用微博用户数量的增加,社交网络上的信息也呈现了爆炸式增长。当前,关于社交网络研究的热点之一是从用户产生的数据信息中挖掘用户的偏好,并向用户推荐可能感兴趣的微博。本文对目前推荐算法中存在的一些问题进行研究,并实现对微博的推荐。首先,针对现存推荐算法在对社交网络中用户进行影响力分析时没有考虑其所属领域的问题,提出了一种融合领域特征和改进K-Shell的微博用户影响力分析算法;其次,针对微博推荐精确度不够高且推荐结果不够个性化的问题,本文提出了一种融合用户特征与偏好的个性化微博推荐算法;最后,利用上述两种算法设计并实现了基于领域特征及用户偏好的微博推荐原型系统。具体的研究工作如下:(1)提出融合领域特征和改进K-Shell的微博用户影响力分析方法首先,提出两种用户领域划分的方法—基于微博的领域划分和基于社交关系的领域划分,根据用户的特点选择合适的领域划分方法;然后通过二次近邻相似度的重要度评估指标改进K-Shell算法中节点Ks值的计算方法;最后结合用户领域和用户重要度值得出用户的领域影响力值。通过实验验证在计算用户影响力值的准确度高于传统的K-Shell算法和其他算法,效果较好。(2)提出融合用户特征与偏好的个性化微博推荐首先,引入时间效应函数,利用用户的三大特征计算用户相似度,筛选出用户最近邻域;其次,计算用户对不同类别的实时偏好度,来获得用户偏好类别;最后,将用户最近邻喜爱的微博与用户偏好类别相同的微博共同组成待推荐列表,并对推荐列表中的微博进行权威性值的计算,依据改进的预测评分公式预测用户对微博的感兴趣程度,并按照预测值的大小选择微博top-k对用户进行推荐。(3)设计与实现基于领域特征及偏好的微博推荐原型系统以本文提出的微博用户领域影响力分析方法和个性化微博推荐方法为基础,分析和设计系统中所需的各个模块和流程,并最终实现基于领域特征及偏好的微博推荐原型系统,能够依据用户特征实现为用户推荐其可能感兴趣的微博。