基于信任随机游走模型的微博粉丝推荐

发布时间：2019-03-08 21:52

【摘要】：利用微博关注关系和社交行为构建微博信任网络,通过引入基于信任的随机游走模型,结合用户间兴趣相似度,建立了微博粉丝推荐模型。为提高粉丝推荐系统的覆盖率,将用户间的社交行为引入信任的计算,实现了TopN推荐。利用KDD Cup 2012腾讯微博数据进行了实证研究。实验结果表明:在混合多种社交行为的信任网络中,推荐算法的整体性能最优;推荐长度对推荐结果影响较大,当长度为40时算法获得最好的推荐性能;与主流的推荐算法相比,改进后的基于信任的随机游走推荐模型在推荐准确率和覆盖率等多种评价指标上都取得了更好的结果。研究结论为微博粉丝推荐研究提供了新的方法,为微博网络社会化推荐提供了新的视角。
[Abstract]:By using Weibo's attention relationship and social behavior to construct Weibo trust network, a Weibo fan recommendation model is established by introducing a random walk model based on trust and combining the similarity of interest among users. In order to improve the coverage of fan recommendation system, the social behavior among users is introduced into trust calculation, and the TopN recommendation is realized. Using KDD Cup 2012 Tencent Weibo data for empirical research. The experimental results show that in trust networks with mixed social behaviors, the overall performance of the recommendation algorithm is the best, and the recommendation length has a great influence on the recommendation result, and the algorithm gets the best recommendation performance when the length is 40. Compared with the mainstream recommendation algorithms, the improved random walk recommendation model based on trust has achieved better results on many evaluation indexes, such as recommendation accuracy and coverage. The conclusion provides a new method for Weibo fan recommendation research and a new perspective for Weibo network socialization recommendation.
【作者单位】： 四川农业大学建筑与城乡规划学院;电子科技大学经济与管理学院;四川农业大学商学院;
【基金】：国家自然科学基金资助项目(71101018)
【分类号】：C913.4

【参考文献】

相关期刊论文 前2条

1 郭磊;马军;陈竹敏;姜浩然;;一种结合推荐对象间关联关系的社会化推荐算法[J];计算机学报;2014年01期

2 朱郁筱;吕琳媛;;推荐系统评价指标综述[J];电子科技大学学报;2012年02期

【共引文献】

相关期刊论文 前10条

1 刘艺;冯钧;魏童童;陈志飞;徐欢;张立霞;;一种改进的协同过滤推荐算法[J];计算机与现代化;2017年01期

2 杨震;司书勇;李超阳;;基于用户隐式兴趣模型的信息推荐[J];山东大学学报(理学版);2017年01期

3 李斌;张博;刘学军;章玮;;基于Jaccard相似度和位置行为的协同过滤推荐算法[J];计算机科学;2016年12期

4 申园园;余文;;一种基于位置服务信息的移动推荐模型[J];计算机应用与软件;2016年12期

5 张翔;袁政;蒋旦;朱明;;基于语义和用户偏好的网络电视直播推荐方法[J];微电子学与计算机;2016年12期

6 叶兰平;刘锋;朱二周;;基于径向基神经网络的新型协同过滤推荐算法[J];计算机应用与软件;2016年11期

7 张普洋;郭剑英;;个性化推荐系统关键算法探讨[J];电脑知识与技术;2016年27期

8 王鹤;邬春学;;基于图结构和项目类型的协同过滤推荐算法[J];数据通信;2016年05期

9 曾子明;秦思琪;;面向泛在学习的嵌入式推荐服务研究[J];信息资源管理学报;2016年04期

10 赵长伟;彭勤科;张志勇;;混合因子矩阵分解推荐算法[J];西安交通大学学报;2016年12期

【二级参考文献】

相关期刊论文 前4条

1 朱郁筱;吕琳媛;;推荐系统评价指标综述[J];电子科技大学学报;2012年02期

2 吕琳媛;;复杂网络链路预测[J];电子科技大学学报;2010年05期

3 吕琳媛;陆君安;张子柯;闫小勇;吴晔;史定华;周海平;方锦清;周涛;;复杂网络观察[J];复杂系统与复杂性科学;2010年Z1期

4 刘建国;周涛;郭强;汪秉宏;;个性化推荐系统评价方法综述[J];复杂系统与复杂性科学;2009年03期

【相似文献】

相关期刊论文 前2条

1 陈樤;;沟通不妨以退为进[J];软件工程师;2007年11期

2 ;[J];;年期

相关会议论文 前3条

1 郑伟;王朝坤;刘璋;王建民;;一种基于随机游走模型的多标签分类算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

2 朱松豪;罗青青;梁志伟;;一种改进图像标注的新方法[A];第24届中国控制与决策会议论文集[C];2012年

3 燕飞;张铭;谭裕韦;唐建;邓志鸿;;综合社会行动者兴趣和网络拓扑的社区发现方法[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

相关重要报纸文章 前1条

1 长盛基金管理有限公司研究部副总监 李骥;投资自己熟悉的股票[N];证券时报;2006年

相关博士学位论文 前6条

1 邓凯英;复杂网络搜索策略及相关模型的数值方法[D];东北师范大学;2015年

2 徐晓华;图上的随机游走学习[D];南京航空航天大学;2008年

3 孙甲申;基于主题模型和随机游走的标签技术研究[D];北京邮电大学;2013年

4 吕强;面向高性能和强表达力的自动规划[D];中国科学技术大学;2013年

5 赵学华;统计网络模型若干关键问题研究[D];吉林大学;2014年

6 廖振;基于查询点击核心图的查询推荐问题研究[D];南开大学;2013年

相关硕士学位论文 前10条

1 何岱洧;Z~d上使Schramm的上界达到的旋转配置[D];复旦大学;2014年

2 田新春;回火老化效应及其扩散方程[D];兰州大学;2015年

3 鞠薇;基于随机游走和图割算法的PET-CT肺肿瘤分割[D];苏州大学;2015年

4 祝霖;基于随机游走的动态社团划分算法[D];上海交通大学;2015年

5 孙星;基于部分吸收随机游走的协同显著性检测[D];大连理工大学;2015年

6 宋文静;基于多条随机游走的图像检索[D];河南大学;2015年

7 汪帮菊;基于随机游走的复杂网络聚类算法研究[D];安徽大学;2016年

8 兰佳妮;基于分组—偏向随机游走的闪存地址映射及磨损均衡算法研究[D];西南交通大学;2016年

9 金连宝;基于分层信息融合和随机游走的显著性检测[D];南昌航空大学;2016年

10 冯维思;多属性随机游走在社会网络中的应用[D];西南大学;2016年

，

本文编号：2437238