基于用户扩展兴趣的微博推荐方法研究

发布时间：2021-03-10 18:27

　　随着新兴社交媒体的流行,微博已经成为人们分享、传播、获取信息的重要平台。用户的爆炸式增长导致微博平台产生的数据呈指数级增长,信息过载问题日益加剧。因此,针对用户的潜在需求,准确挖掘其兴趣从而实现微博推荐变得尤为重要。首先,为解决微博用户兴趣提取不准确的问题,根据微博系统中不同文本信息的特点,挖掘用户个体静态、动态兴趣;其次,针对用户冷启动问题,考虑关注用户对用户兴趣的影响,计算用户扩展兴趣;最后,使用改进的K-means算法对微博用户分组聚类,在一定程度上解决了微博推荐算法效率低的问题。论文的主要工作包括三个方面:（1）挖掘用户个体静态、动态兴趣。针对用户文本信息的不同特性,从用户标签中提取个体静态兴趣;从用户的微博中挖掘个体动态兴趣,并描述了兴趣随时间的变化过程。（2）获取用户扩展兴趣。首先,将用户个体静态、动态兴趣分别与关联静态、动态兴趣线性调和得到扩展静态、动态兴趣。其中,关联静态兴趣通过关注用户的个体静态兴趣和用户与其关注用户的关系强度计算得到,关联动态兴趣的计算方法与之相同。然后,赋予用户扩展静态、动态兴趣不同的权重计算得到用户扩展兴趣。（3）利用改进的K-means算法对用... 

【文章来源】：河北大学河北省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

新浪微博用户u的转发微博1

新浪微博用户u的转发微博2

新浪微博用户u的转发微博3

【参考文献】：
期刊论文
[1]一种双层的微博用户相似度算法[J]. 熊回香,叶佳鑫.  情报杂志. 2018(06)
[2]基于遗忘曲线的用户影响力时效性度量方法[J]. 钮瑗瑗,程国振,齐超,扈红超.  计算机应用. 2017(S1)
[3]一种基于社区发现的微博个性化推荐算法[J]. 李超逸,张仰森,佟玲玲.  微电子学与计算机. 2017(06)
[4]一种基于用户动态兴趣和社交网络的微博推荐方法[J]. 陈杰,刘学军,李斌,章玮.  电子学报. 2017(04)
[5]基于微博的用户相似度计算研究[J]. 郑志蕴,贾春园,王振飞,李钝.  计算机科学. 2017(02)
[6]基于背景和内容的微博用户兴趣挖掘[J]. 仲兆满,管燕,胡云,李存华.  软件学报. 2017(02)
[7]基于k-means文本聚类的新浪微博个性化博文推荐研究[J]. 谭晋秀,何跃.  情报科学. 2016(04)
[8]微博中用户标签的研究[J]. 邢千里,刘列,刘奕群,张敏,马少平.  软件学报. 2015(07)
[9]微博用户兴趣发现研究[J]. 石伟杰,徐雅斌.  现代图书情报技术. 2015(01)
[10]融合用户标签和关系的微博用户相似性度量[J]. 吴树芳,徐建民,武晓波.  情报杂志. 2014(12)

硕士论文
[1]基于用户兴趣的微博推荐方法研究[D]. 王宁宁.山东师范大学 2017
[2]基于标签的微博信息推荐技术研究[D]. 贾美惠子.西北师范大学 2016
[3]协同聚类及集成的关键技术研究[D]. 黄树东.西南交通大学 2015
[4]基于微博的用户兴趣分析与个性化信息推荐[D]. 王广新.上海交通大学 2013
[5]基于VSM的中文网页分类特征选择技术研究与实现[D]. 周帆.武汉理工大学 2012
[6]微博网络的社区发现研究[D]. 曾王辉.云南大学 2012
[7]网络舆情热点发现相关技术研究[D]. 秦宏宇.哈尔滨工程大学 2010



本文编号：3075078