基于局部标签传播和共现的微博标签推荐

发布时间：2023-04-12 04:40

　　随着新浪微博、推特等社交网络服务的快速发展,越来越多的用户在这些社交平台上表达自己的个人知识、感受、意见和评论,导致用户规模的爆发式增长和社交服务机制的创新变革。每天有数以百万计的用户发布数以千万计的微博,与Twitter上的tweets相对应,在各种社交媒体上生成丰富多样的用户内容,如何快速准确地通过微博发现用户感兴趣的内容成为研究人员的一大方向。为此,我们通过对用户之间的社会关系、标签之间的共现关系和语义关系的共同探究,设计了一种综合推荐算法。首先,通过实验验证了用户之间的交流互动和好友关系确实能够说明他们之间某种程度兴趣的相似性,我们可以据此来产生我们的局部标签传播的方案,同时我们还实验验证了标签之间存在的共现现象,即用户如果标记了某个标签,那么另外一个标签也很有可能会被标记,由此,我们实现了局部标签传播产生候选标签的方案。其次,根据用户微博内容确定标签的初始权重,再由用户之间在微博上的交流互动,不仅考虑标签由此的前向传播,更考虑了可能带来的逆向传播,并且给与他们不同的权重系数,由此得到标签的局部传播,并产生候选标签。接下来,我们通过共现的方式将候选标签扩展,得到更多的候选标签,...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究背景与意义
    1.2 国内外研究现状
    1.3 本文的主要研究内容和章节安排
2 推荐算法研究基础
    2.1 主流模型简要介绍
    2.2 实验数据的获取
    2.3 同质性和共现性现象的验证
    2.4 本章小结
3 基于互动挖掘用户潜在标签
    3.1 算法中的定义
    3.2 确定已有标签的初始权重
    3.3 主题兴趣标签更新
    3.4 实验评估
    3.5 与其他方法比较
    3.6 本章小结
4 标签共现与语义冗余消除
    4.1 推荐算法的实现
    4.2 参数学习
    4.3 实验测试
    4.4 实例分析
    4.5 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献



本文编号：3790449