基于标签聚类和用户偏好的微博推荐算法研究
发布时间：2022-02-18 12:55
随着社交网络的飞速发展,微博凭借“短、灵、快”的特点,受到众多用户的喜爱。随着微博用户数量的不断增加,微博数据也呈爆炸式增长。面对如此众多繁杂的微博数据,用户往往花费大量的时间和精力去寻找其感兴趣的微博信息,而用户的偏好又具有多样性。因此,如何从这些数据中分析用户偏好,并向用户推荐其感兴趣的微博,是目前社交网络研究的热点问题之一。本文针对用户标签生成质量不高的问题,同时考虑到用户标签特征和用户社交关系,提出一种基于标签聚类和用户偏好的微博推荐算法,设计实现了一个微博推荐原型系统。具体工作如下。1、提出一种融合TextRank和Word2vec的微博用户标签生成算法研究用户标签与用户微博内容的关系,分析了用户标签的不足,同时考虑词语词性,对词语的初始权重进行调节,然后结合TextRank算法和Word2vec模型,针对微博内容生成用户标签。2、提出一种基于标签聚类和用户偏好的微博推荐算法考虑用户标签特征和用户社交关系,首先利用密度峰值聚类算法对微博用户标签进行计算得到用户偏好,同时利用PageRank算法获取重要用户的关注度,以间接获取重要用户的偏好相似度,然后将二者加权得到用户的综合偏...
【文章来源】：山东师范大学山东省
【文章页数】：47 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 标签推荐的研究现状
1.2.2 用户偏好的研究现状
1.3 本文的主要研究工作
1.4 本文组织结构
1.5 本章小结
第二章 相关知识
2.1 用户偏好
2.1.1 用户偏好定义
2.1.2 用户标签生成方法
2.2 聚类算法
2.3 推荐算法
2.3.1 个性化推荐算法
2.3.2 微博推荐算法
2.4 本章小结
第三章 融合TextRank和 Word2vec的微博用户标签生成方法
3.1 概述
3.2 用户标签生成
3.2.1 数据预处理
3.2.2 初始标签生成
3.2.3 最终标签生成
3.3 实验
3.3.1 实验数据
3.3.2 评测指标
3.3.3 实验结果与分析
3.4 本章小结
第四章 基于标签聚类和用户偏好的微博推荐算法
4.1 标签聚类算法
4.2 重要用户的筛选
4.3 用户偏好的相似度计算方法
4.4 微博推荐算法
4.5 实验
4.5.1 实验数据
4.5.2 评测指标
4.5.3 实验结果与分析
4.6 本章小结
第五章 微博推荐原型系统的设计与实现
5.1 系统设计
5.2 系统实现
5.2.1 系统开发环境
5.2.2 系统功能展示
5.3 本章小结
第六章 总结与展望
6.1 论文总结
6.2 工作展望
参考文献
攻读硕士学位期间的主要成果
致谢
【参考文献】：
期刊论文
[1]融合兴趣的微博用户相似度计算研究[J]. 黄贤英,阳安志,刘小洋,刘广峰. 计算机应用研究. 2020(01)
[2]基于LDA主题模型的微博标签生成研究[J]. 熊回香,叶佳鑫. 情报科学. 2018(10)
[3]基于用户扩展兴趣的微博推荐方法[J]. 徐建民,刘明艳,王苗. 计算机应用研究. 2019(06)
[4]基于标签和PageRank的重要微博用户推荐算法[J]. 王嵘冰,安维凯,冯勇,徐红艳. 计算机科学. 2018(02)
[5]基于标签聚类和兴趣划分的协同过滤推荐算法[J]. 朱东郡,李敬兆,谭大禹,杨大禹. 计算机工程. 2017(11)
[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]基于标签聚类与用户模型的个性化推荐方法研究[J]. 刘如娟. 现代情报. 2016(06)
[8]基于用户标签的微博推荐算法[J]. 王宁宁,鲁燃,王智昊,刘承运. 计算机应用研究. 2017(01)
[9]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)
[10]一种基于标签关联关系的微博推荐方法[J]. 马慧芳,贾美惠子,李晓红,鲁小勇. 计算机工程. 2016(04)
硕士论文
[1]基于用户特征的个性化推荐算法研究[D]. 王培培.山东师范大学 2018
[2]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
本文编号：3630878
【文章来源】：山东师范大学山东省
【文章页数】：47 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 标签推荐的研究现状
1.2.2 用户偏好的研究现状
1.3 本文的主要研究工作
1.4 本文组织结构
1.5 本章小结
第二章 相关知识
2.1 用户偏好
2.1.1 用户偏好定义
2.1.2 用户标签生成方法
2.2 聚类算法
2.3 推荐算法
2.3.1 个性化推荐算法
2.3.2 微博推荐算法
2.4 本章小结
第三章 融合TextRank和 Word2vec的微博用户标签生成方法
3.1 概述
3.2 用户标签生成
3.2.1 数据预处理
3.2.2 初始标签生成
3.2.3 最终标签生成
3.3 实验
3.3.1 实验数据
3.3.2 评测指标
3.3.3 实验结果与分析
3.4 本章小结
第四章 基于标签聚类和用户偏好的微博推荐算法
4.1 标签聚类算法
4.2 重要用户的筛选
4.3 用户偏好的相似度计算方法
4.4 微博推荐算法
4.5 实验
4.5.1 实验数据
4.5.2 评测指标
4.5.3 实验结果与分析
4.6 本章小结
第五章 微博推荐原型系统的设计与实现
5.1 系统设计
5.2 系统实现
5.2.1 系统开发环境
5.2.2 系统功能展示
5.3 本章小结
第六章 总结与展望
6.1 论文总结
6.2 工作展望
参考文献
攻读硕士学位期间的主要成果
致谢
【参考文献】：
期刊论文
[1]融合兴趣的微博用户相似度计算研究[J]. 黄贤英,阳安志,刘小洋,刘广峰. 计算机应用研究. 2020(01)
[2]基于LDA主题模型的微博标签生成研究[J]. 熊回香,叶佳鑫. 情报科学. 2018(10)
[3]基于用户扩展兴趣的微博推荐方法[J]. 徐建民,刘明艳,王苗. 计算机应用研究. 2019(06)
[4]基于标签和PageRank的重要微博用户推荐算法[J]. 王嵘冰,安维凯,冯勇,徐红艳. 计算机科学. 2018(02)
[5]基于标签聚类和兴趣划分的协同过滤推荐算法[J]. 朱东郡,李敬兆,谭大禹,杨大禹. 计算机工程. 2017(11)
[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]基于标签聚类与用户模型的个性化推荐方法研究[J]. 刘如娟. 现代情报. 2016(06)
[8]基于用户标签的微博推荐算法[J]. 王宁宁,鲁燃,王智昊,刘承运. 计算机应用研究. 2017(01)
[9]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)
[10]一种基于标签关联关系的微博推荐方法[J]. 马慧芳,贾美惠子,李晓红,鲁小勇. 计算机工程. 2016(04)
硕士论文
[1]基于用户特征的个性化推荐算法研究[D]. 王培培.山东师范大学 2018
[2]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
本文编号：3630878
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3630878.html
