基于主题模型的微博推荐系统研究

发布时间：2021-04-09 04:11

　　近年来,随着微博的流行,越来越多的研究者开始关注与微博相关的话题。其中,如何给微博用户提供推荐服务是一个热点。但是在目前的研究中,都是利用了社交网络的拓扑结构和用户的注册信息来预测用户行为,并没有从用户发布的微博数据中提取用户偏好。本文的研究就是从微博内容的角度考察用户,帮助用户筛选微博。本文提出了完整的微博推荐流程,核心的工作有三个部分。第一部分是利用概率主题模型挖掘用户潜在的主题信息。第二部分是根据用户之间的转发、评论情况,计算用户的互动系数。第三部分是计算每条待推荐微博的信息熵,将部分低于阀值的微博过滤。在完成这三步的基础上,通过微博的评分公式,给每条待推荐微博打分,并将分数高的微博推荐给用户,实现微博的推荐功能。在实验中,本文选择了新浪微博作为数据源,并分析了各个环节的实验结果。实验证实了该方案中对微博过滤和社交因素的考虑,能增强模型的健壮性。 

【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：47 页

【学位级别】：硕士

【文章目录】：
论文摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 研究现状
    1.3 主要工作
    1.4 论文结构
    1.5 本章小结
第二章 微博的发展和特征
    2.1 社交网络相关原理
        2.1.1 小世界理论
        2.1.2 弱连接
    2.2 微博的功能
    2.3 微博的网络结构
    2.4 本章小结
第三章 基于主题模型的个性化微博推荐
    3.1 微博推荐的相关研究
        3.1.1 传统的推荐系统研究
        3.1.2 微博推荐的研究
    3.2 用户的偏好挖掘
        3.2.1 主题模型（Topic Model）
        3.2.2 Labeled LDA模型
    3.3 用户之间的互动
    3.4 过滤微博
    3.5 微博推荐模型
    3.6 本章小结
第四章 实验结果及分析
    4.1 数据采集
    4.2 微博推荐实验及结果
    4.3 实验对比
    4.4 本章小结
第五章 总结和展望
    5.1 总结
    5.2 展望
附录
参考文献
后记


【参考文献】：
期刊论文
[1]追踪事件微博报道:一种流的动态话题模型[J]. 史存会,林鸿飞.  山东大学学报(理学版). 2012(05)
[2]基于MB-LDA模型的微博主题挖掘[J]. 张晨逸,孙建伶,丁轶群.  计算机研究与发展. 2011(10)
[3]新浪微博数据挖掘方案[J]. 廉捷,周欣,曹伟,刘云.  清华大学学报(自然科学版). 2011(10)
[4]一种面向微博用户的标签推荐方法[J]. 陈渊,林磊,孙承杰,刘秉权.  智能计算机与应用. 2011(05)



本文编号：3126889