基于用户影响力的用户兴趣建模方法研究

发布时间：2016-12-10 10:58

  本文关键词：基于用户影响力的用户兴趣建模方法研究，由笔耕文化传播整理发布。

《解放军信息工程大学》 2015年

基于用户影响力的用户兴趣建模方法研究

于岩  

【摘要】：随着移动互联网以及智能终端的快速普及,网络资源呈指数级增长趋势,丰富的网络资源成为一把双刃剑,在带来海量信息的同时也带来了“信息过载”问题。目前搜索引擎技术是主流的信息过滤方式,但其提供的是基于关键字的无差别服务,无法满足用户的个性化搜索服务需求,极大地降低了用户体验。用户兴趣建模是实现个性化推荐的关键一步,它能根据用户不同的兴趣向用户推荐不同的返回结果。但是目前用户兴趣建模研究存在以下几点不足：(1)移动互联网的快速普及,微博等自媒体社交网络成为研究的热点,传统基于文本的主题提取算法并不能准确提取微博、评论、短信等短文本主题,对利用文本分析用户兴趣提出了挑战；(2)用户之间的兴趣、行为相互影响,用户历史行为对当前行为也有影响,而目前的用户兴趣模型并没有针对用户之间的影响力对用户的兴趣影响进行深入研究；(3)传统用户兴趣模型并未区分长期兴趣与短期兴趣。长期兴趣是用户的固有兴趣,相对较稳定,而短期兴趣是受其他用户节点影响产生的短暂兴趣,波动较大。区别对待两种兴趣能有效提高用户兴趣预测的准确度与推荐的效率。针对上述问题,首先,本文提出基于权重微博链的改进LDA(Latent Dirichlet Allocation)主题模型,提取用户微博短文本主题；其次,使用用户之间的关系强度表征用户之间的影响力,提出基于霍克斯过程的潜在因子关系强度模型；最后将用户兴趣分成长期兴趣与短期兴趣,提出基于用户影响力的微博用户兴趣预测模型。主要工作及研究成果如下：1.提出了一种基于权重微博链的改进LDA微博主题模型。针对短文本具有携带语义特征信息密度低的特征,本文提出根据微博发布时间与原创、转发、评论微博等社交行为信息分配权重、使用背景知识丰富语义特征的微博链结构,设计了基于此改进的LDA主题模型。实验结果表明,相比于标准的LDA模型,该模型具有较低的预测不确定度。2.提出一种基于霍克斯过程改进的潜在因子关系强度模型。针对传统关系强度模型主要研究简单二元关系与静态关系这一不足,本文提出一种基于霍克斯过程改进的潜在因子关系强度模型,将用户关系强度视为潜在因子,用户相似性与历史交互行为分别视为潜在因子的诱因与表象,并使用霍克斯过程刻画历史交互行为与用户关系强度之间的关系,解决了原有模型未考虑用户历史交互影响及其动态衰减的问题。本文使用微博社交网络数据进行算法评估,实验结果表明,本模型可以提高用户关系强度预测精度以及基于关系强度排序Top-N邻居节点的覆盖率。3.提出了一种基于用户影响力的微博用户兴趣预测模型。利用RBF神经网络对用户兴趣模型进行训练。针对现有用户兴趣预测模型未考虑邻居节点影响、未区分长期兴趣与短期兴趣等不足,提出一种基于用户影响力的微博用户兴趣预测模型,提高兴趣预测准确度,提高商品与服务推荐效率。该模型将用户兴趣分成长期兴趣和短期兴趣,综合考虑目标用户固有兴趣和邻居用户对目标用户的兴趣影响,同时采用具有良好学习能力、唯一逼近性特点的正则化RBF神经网络对用户兴趣进行预测。在利用腾讯微博数据进行的实验中,用户长期与短期兴趣预测偏差分别为4.31%、14.53%,偏差方差分别为0.31、48.12,仿真结果表明该模型较已有的兴趣预测算法具有更好的预测精度和稳定性。

【关键词】：
【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前10条

1 荣辉桂;火生旭;胡春华;莫进侠;;基于用户相似度的协同过滤推荐算法[J];通信学报;2014年02期

2 徐志明;李栋;刘挺;李生;王刚;袁树仑;;微博用户的相似性度量及其应用[J];计算机学报;2014年01期

3 谢昊;江红;;一种面向微博主题挖掘的改进LDA模型[J];华东师范大学学报(自然科学版);2013年06期

4 李英乐;于洪涛;刘力雄;陈丹;;基于RBF神经网络的微博消息传播时间预测方法[J];计算机工程与设计;2013年11期

5 王洪伟;邹莉;;考虑长期与短期兴趣因素的用户偏好建模[J];同济大学学报(自然科学版);2013年06期

6 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

7 张晨逸;孙建伶;丁轶群;;基于MB-LDA模型的微博主题挖掘[J];计算机研究与发展;2011年10期

8 于洪;李转运;;基于遗忘曲线的协同过滤推荐算法[J];南京大学学报(自然科学版);2010年05期

9 郭金玉;张忠彬;孙庆云;;层次分析法的研究与应用[J];中国安全科学学报;2008年05期

10 林霜梅;汪更生;陈弈秋;;个性化推荐系统中的用户建模及特征选择[J];计算机工程;2007年17期

【共引文献】

中国期刊全文数据库 前10条

1 宏磊;赵桂红;;旅客国内旅行线路推介系统及其实现[J];科技创新与应用;2016年18期

2 关鑫;卢布;李建国;孔令枫;;农业规划区内主导产业优选方法集成研究(Ⅰ:框架设计)[J];土壤与作物;2016年02期

3 张航;叶东毅;;融合邻域模型与矩阵分解模型的推荐算法[J];计算机系统应用;2016年06期

4 宋亚伟;司亚利;刘文远;张洪礼;;融合时间特征和协同过滤的兴趣点推荐算法[J];小型微型计算机系统;2016年06期

5 陈峥;储颖君;;基于STM32和安卓的电梯状态检测装置设计[J];电子设计工程;2016年11期

6 褚庆忠;陈小哲;时培兵;梁武斌;乔雨朋;邵先杰;;秦家屯复杂断块油田开发效果分析及定量评价方法[J];大庆石油地质与开发;2016年03期

7 孙冠中;董艳艳;黄奎;李薇;;脱硫脱硝一体化工艺和AHP在工艺综合评价中的应用[J];科技通报;2016年05期

8 刘航;;二层次模糊综合评判理论在桥梁震害预测中的应用[J];公路与汽运;2016年03期

9 赵营;;结合SVD的协同过滤算法研究[J];通讯世界;2016年10期

10 孟珍珠;唐德善;魏宇航;张范平;;和谐论在水资源承载力综合评价中的应用[J];水资源保护;2016年03期

【二级参考文献】

中国期刊全文数据库 前10条

1 陈克寒;韩盼盼;吴健;;基于用户聚类的异构社交网络推荐算法[J];计算机学报;2013年02期

2 杨春霞;胡丹婷;胡森;;微博病毒传播模型研究[J];计算机工程;2012年15期

3 江龙;薛佳佳;;基于差值灰色RBF网络模型股票价格预测研究[J];广西大学学报(自然科学版);2012年03期

4 冯兴杰;潘文欣;卢楠;;基于小波包的RBF神经网络网络流量混沌预测[J];计算机工程与设计;2012年05期

5 郑蕾;李生红;;基于微博网络的信息传播模型[J];通信技术;2012年02期

6 廉捷;周欣;曹伟;刘云;;新浪微博数据挖掘方案[J];清华大学学报(自然科学版);2011年10期

7 张晨逸;孙建伶;丁轶群;;基于MB-LDA模型的微博主题挖掘[J];计算机研究与发展;2011年10期

8 吕琳媛;;复杂网络链路预测[J];电子科技大学学报;2010年05期

9 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

10 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】

中国期刊全文数据库 前10条

1 王杰;使图像的编辑更加容易[J];中文信息;1998年Z1期

2 王波,姚敏;基于信息抽取的匿名用户兴趣描述[J];华南理工大学学报(自然科学版);2004年S1期

3 董全德;;用户兴趣迁移模式与个性化服务[J];电脑知识与技术(学术交流);2007年17期

4 郑运刚;马建国;;基于分类的用户兴趣漂移模型[J];情报杂志;2008年01期

5 张涛;;基于浏览历史的用户兴趣提取模型[J];软件导刊;2009年06期

6 杨杰;陈恩红;;面向个性化服务的用户兴趣偏移检测及处理方法[J];电子技术;2009年11期

7 陈圣兵;李龙澍;纪霞;;多层次用户兴趣模式的动态捕捉[J];计算机工程与应用;2009年36期

8 郑晓健;庞淑英;何英;;一种面向主题的用户兴趣挖掘模型研究[J];昆明学院学报;2010年03期

9 花青松;刘海峰;胡铮;;基于基尼系数的用户兴趣分布模式度量方法[J];计算机工程;2012年22期

10 孙雨生;刘伟;仇蓉蓉;黄传慧;;国内用户兴趣建模研究进展[J];情报杂志;2013年05期

中国重要会议论文全文数据库 前7条

1 赵琦;骆志刚;田文颖;李聪;丁凡;;一种基于负反馈信息的用户兴趣模型修正方法[A];中国通信学会第六届学术年会论文集（下）[C];2009年

2 孙静;郭奇;张志强;冯建华;;一种基于面向领域检索系统的用户兴趣获取方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

3 孙铁利;教巍巍;;基于马尔科夫模型的用户兴趣导航模型系统(英文)[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

4 廖祝华;刘建勋;易爱平;;基于用户兴趣的Web服务发现[A];2006年全国开放式分布与并行计算机学术会议论文集（三）[C];2006年

5 李晓黎;史忠植;梁永全;刘福桃;;INTERNET网上一种识别用户兴趣的学习方法[A];第十六届全国数据库学术会议论文集[C];1999年

6 田萱;杜小勇;;基于SAM模型的用户兴趣表示研究[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

7 王勇;刘奕群;张敏;马少平;茹立云;;基于用户兴趣分析的网页生命周期建模(英文)[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

中国重要报纸全文数据库 前1条

1 中国科学院计算技术研究所 王 斌;[N];计算机世界;2004年

中国博士学位论文全文数据库 前8条

1 张召;在线论坛用户兴趣图谱发现与个性化信息推荐[D];华东师范大学;2012年

2 刘淇;基于用户兴趣建模的推荐方法及应用研究[D];中国科学技术大学;2013年

3 郭岩;网络日志中用户兴趣的挖掘及利用[D];中国科学院研究生院（计算技术研究所）;2004年

4 吴丽辉;个性化的Web信息采集技术研究[D];中国科学院研究生院（计算技术研究所）;2005年

5 谢兴;社会网络中兴趣发现与信息组织的研究[D];复旦大学;2011年

6 李东胜;基于兴趣与保护隐私的在线社区推荐技术研究[D];复旦大学;2012年

7 陈浩;Web搜索的用户兴趣与智能优化研究[D];中南大学;2012年

8 姜邵巍;基于竞争关系的推荐技术研究[D];北京邮电大学;2014年

中国硕士学位论文全文数据库 前10条

1 陈媛媛;用户兴趣图谱演化机制研究[D];武汉理工大学;2014年

2 梁润庭(Runting Leung);面向微博用户的兴趣识别算法的研究与实现[D];西南交通大学;2015年

3 俞忻峰;新浪微博的数据采集和推荐方案研究[D];南京理工大学;2015年

4 杨梅;基于树型网络的多源用户兴趣数据融合方法研究[D];四川师范大学;2015年

5 石光莲;基于形式概念分析的Folksonomy用户兴趣识别研究[D];西南大学;2015年

6 汤文清;微博用户的兴趣及性格分析[D];上海大学;2015年

7 梅佩;基于浏览内容的用户兴趣研究[D];北京化工大学;2015年

8 张少杰;基于用户兴趣的微博广告投放系统的设计与实现[D];山西大学;2015年

9 黄龙伟;基于蚁群算法的WEB日志用户兴趣路径研究[D];江西师范大学;2015年

10 方正;微博短文本分析技术研究及应用[D];电子科技大学;2014年

  本文关键词：基于用户影响力的用户兴趣建模方法研究，，由笔耕文化传播整理发布。

本文编号：209182