基于層次聚類的微博用戶興趣發(fā)現(xiàn)關鍵技術研究與實現(xiàn).pdf

1、隨著在線社交網(wǎng)絡的高速發(fā)展，社交網(wǎng)絡平臺（如 Twitter,Facebook.人人網(wǎng),微博等）近幾年迎來了爆炸式增長，社交網(wǎng)絡已經(jīng)深入到人們日常生活中的方方面面。人們在社交網(wǎng)絡上與人交流，記錄生活的點點滴滴，發(fā)表博文，分享照片視頻等，可以說，社交網(wǎng)絡已經(jīng)成為人們現(xiàn)實生活的一個映射。然而，隨著微博平臺的發(fā)展，信息量以爆炸式速度進行增長。從而造成了一種現(xiàn)象，稱作信息爆炸，周圍的信息太多，用戶并不是對所有的信息都感興趣，用戶不得不從大量的信

2、息中找出自己感興趣的進行閱讀。因此，本文著手于如何找出用戶感興趣的博文呈現(xiàn)在用戶面前，將用戶更感興趣的博文放在前面，給用戶推薦他所感興趣的博文。本文主要完成了以下工作：
　　首先，本文針對微博平臺中噪聲多的特性，提出了話題性博文的概念，利用Twitter博文數(shù)據(jù)訓練LDA模型作為博文詞匯話題特征，并結合微博博文詞匯話題特征、博文社交特征和博文文法特征構建支持向量機模型，用以過濾非話題性博文。實驗表明，該分類器具有較高的準確率及召回

3、率，能夠滿足系統(tǒng)要求。
　　接著，在上述方法的基礎上，提取用戶博文關鍵字，并分別利用搜索引擎以及外部知識庫對博文關鍵字進行擴展。接著利用離線維基百科語料庫訓練Word2Vec模型，將用戶博文關鍵字映射到高維向量空間上。然后利用層次聚類方法，對用戶博文關鍵字集合進行聚類，綜合聚類純度以及類簇權重，選出top-3用戶話題用以表征用戶興趣。并通過實驗驗證了算法的有效性。
　　最后，綜合非話題性博文過濾技術、博文關鍵字擴展技術、博文