面向微博内容的个性化推荐算法的研究

发布时间：2021-10-14 19:25

　　随着社交媒体的普及和广泛应用,导致微博等社交网络信息爆炸,凸显了信息过载问题—一面对海量的数据,用户很难从中找到感兴趣的信息。而推荐系统是解决该问题的一个重要工具,受到了学术界和工业界的广泛关注。但现有微博推荐算法还存在着交互行为时效性考虑不足、数据稀疏条件下推荐准确率低以及群组硬划分等问题。针对上述问题,本文在研究分析现有微博推荐算法的基础上,提出基于联合概率矩阵分解的微博推荐算法和基于拓扑势的微博推荐算法。本文主要的研究内容包括以下三个方面:（1）提出基于联合概率矩阵分解的微博推荐算法。针对交互行为时效性考虑不足的问题,本文在用户之间点赞、转发和评论等交互行为基础上,通过引入遗忘函数,提出一种能区分不同时间段交互行为的影响力评估模型;针对数据稀疏条件下推荐准确率低的问题,引入联合概率矩阵分解方法对用户相似度矩阵和影响力矩阵进行联合概率矩阵分解,缓解了数据稀疏条件下推荐准确率不高的问题。（2）提出基于拓扑势的微博推荐算法。针对群组硬划分的问题,本文使用LDA主题模型分析微博文本的主题,并结合用户自定义标签构建用户兴趣偏好向量,使用KL距离计算用户偏好向量之间的相似度距离,引入拓扑势，... 

【文章来源】：苏州大学江苏省 211工程院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图３４不同；Ｉ取值下ＭＲＵＰＭＦ－Ｌ算法Ｆｌ－Ｍｅａｓｕｒｅ??以；１?＝?０．７，大，丝

图３＿５至图３－７所示

图４－１和４－２所示

【参考文献】：
期刊论文
[1]基于联合概率矩阵分解的群推荐方法研究[J]. 王刚,蒋军,王含茹,杨善林.  计算机学报. 2019(01)
[2]基于关联规则挖掘的社区网络数据爬虫算法[J]. 穆俊.  微电子学与计算机. 2018(08)
[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]专利文本主题建模中领域停用词自动选取研究[J]. 俞琰,赵乃瑄.  图书情报工作. 2018(11)
[5]融合社交信息的矩阵分解推荐方法研究综述[J]. 刘华锋,景丽萍,于剑.  软件学报. 2018(02)
[6]基于动态卷积概率矩阵分解的潜在群组推荐[J]. 王海艳,董茂伟.  计算机研究与发展. 2017(08)
[7]一种改进的偏好融合组推荐方法[J]. 胡川,孟祥武,张玉洁,杜雨露.  软件学报. 2018(10)
[8]基于文本与社交信息的用户群组识别[J]. 王中卿,李寿山,周国栋.  软件学报. 2017(09)
[9]社交网络环境下基于信任的推荐算法[J]. 陈婷,朱青,周梦溪,王珊.  软件学报. 2017(03)
[10]社交关系挖掘研究综述[J]. 赵姝,刘晓曼,段震,张燕平,唐杰.  计算机学报. 2017(03)



本文编号：3436711