基于用户标签的微博推荐算法

发布时间：2018-05-07 14:18

本文选题：微博推荐算法 + 用户标签　；参考：《计算机应用研究》2017年01期

【摘要】：为了解决推荐算法中用户标签稀疏、推荐准确度不高的问题,提出了一种基于用户标签的微博推荐算法。利用TextRank排序方法提取用户发布微博中的关键词,并对该关键词进行扩展,将其作为表示用户兴趣的标签;再根据微博的效应函数和生命周期形成待推荐的微博列表,计算用户标签及其同义词在待推荐微博列表中出现的次数,将出现次数较多的TOP-k条微博推荐给用户。通过实验验证,该算法能够有效地解决用户标签的稀疏性问题,并能提高推荐算法的准确性。
[Abstract]:In order to solve the problem of sparse user tags and low recommendation accuracy in recommendation algorithm, a Weibo recommendation algorithm based on user tags is proposed. Using the TextRank sorting method to extract the keywords from Weibo published by users, and extend the keywords as a label to express the user's interest, and then form a recommended list of Weibo according to the effect function and life cycle of Weibo. Calculate the number of user tags and their synonyms appearing in the list of Weibo to be recommended to the user, and recommend to the user the TOP-k strip Weibo, which appears more frequently. Experimental results show that the proposed algorithm can effectively solve the problem of user label sparsity and improve the accuracy of the recommendation algorithm.
【作者单位】：山东师范大学信息科学与工程学院;山东师范大学山东省分布式计算机软件新技术重点实验室;
【基金】：国家自然科学基金资助项目(61373148) 国家社科基金资助项目(12BXW040) 山东省自然科学基金资助项目(ZR2012FM038) 山东省优秀中青年科学家奖励基金资助项目(BS2013DX033) 国家教育部人文社科基金资助项目(14YJC860042) 山东省社科规划项目(2012BXWJ01)
【分类号】：TP391.3

【相似文献】