基于改良LDA模型的微博用户信息推荐机理研究

发布时间：2021-07-03 17:14

　　随着微博信息海量化的迅速增长,网络信息生态面临挑战。面对微博信息总量的巨大和用户矩阵稀疏的问题,目前主流的微博信息推荐主题模型LDA及其改良模型已难以实现海量非结构化数据的主题提取,从而使LDA模型在微博信息推荐过程中短文本处理能力差的缺点被放大,致使微博用户信息个性化推荐精准度不足,用户体验度与满意度下降,阻碍了微博的深入推广,也给舆情管控带来了不确定性。借助大数据处理技术的快速数据处理与非结构化数据处理优势,笔者将其作为微博信息预处理手段,以LDA主题模型为微博信息再次过滤方式,构建出了相对完善的微博信息推荐模型并予以了实证验证,并在此基础上提出微博信息管控的策略。论文首先论述了选题来源及背景和意义,详细阐述了国内外学者对于LDA主题模型的研究现状,分析出目前对于LDA主题模型的研究尚存在的主要问题,提出了未来个性化推荐主题模型LDA研究的三个主要方向,描述了本选题的主要研究内容和研究的技术路线,并且还介绍了本选题研究主要使用的研究方法和选题的主要创新点。同时,笔者还论述了社会网络、数据采集技术、数据预处理技术、大数据技术等相关基础理论。在上述研究的基础之上,笔者利用大数据技术处理... 

【文章来源】：东北电力大学吉林省

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

Hadoop集群环境与配置

第 4 章 实证分析与研究100000 条，Data3：1000000 条。笔者通过分析与研究发现，大数据技术对于微博信息的处理结果及效率主要会受到两方面因素的影响，一方面是分布式节点的多少，而另一方面是数据量大小的影响，下面笔者将着重分析这两方面因素对于微博信息处理结果及效率的影响程度。

Hadoop微博数据处理过程

【参考文献】：
期刊论文
[1]一种结合主题模型的推荐算法[J]. 曹占伟,胡晓鹏.  计算机应用研究. 2019(06)
[2]基于LDA主题模型的标签混合推荐研究[J]. 熊回香,窦燕.  图书情报工作. 2018(03)
[3]大数据下微博推荐算法[J]. 张磊,吾守尔·斯拉木,买买提依明·哈斯木,于清.  激光杂志. 2016(06)
[4]基于Folksonmy和本体融合的微博信息推荐方法研究[J]. 崔金栋,孙遥遥,王欣,于圆美,王新媛.  情报科学. 2015(10)
[5]基于RBLDA模型和交互关系的微博标签推荐算法[J]. 余勇,郭躬德.  计算机系统应用. 2015(08)
[6]大数据背景下微博舆情信息交互模型研究[J]. 兰月新,董希琳,苏国强,瞿志凯.  现代图书情报技术. 2015(05)
[7]信息管理技术视角下微博研究综述与趋势分析[J]. 崔金栋,于圆美,王新媛,孙遥遥.  图书馆论坛. 2015(04)
[8]基于隐含狄利克雷分配的微博推荐模型研究[J]. 唐晓波,房小可.  情报科学. 2015(02)
[9]基于加权动态兴趣度的微博个性化推荐[J]. 陶永才,何宗真,石磊,卫琳,曹仰杰.  计算机应用. 2014(12)
[10]基于MapReduce的并行聚类算法设计与实现[J]. 刘向东,刘奎,胡飞翔,王翠荣.  计算机应用与软件. 2014(11)



本文编号：3263010