微博用戶興趣建模及推薦方法研究.pdf

1、微博簡(jiǎn)短、即時(shí)、便捷的特性使其很快吸引了大量的用戶群,并通過(guò)大量的轉(zhuǎn)發(fā)及評(píng)論裂變式的快速傳播與擴(kuò)散,產(chǎn)生大量信息流。為了從海量信息中找出用戶所感興趣的微博話題,就需要設(shè)計(jì)合理的興趣表示模型和準(zhǔn)確高效的微博用戶興趣推薦方法。其中,微博用戶興趣模型是實(shí)現(xiàn)微博用戶興趣推薦的基礎(chǔ),微博用戶興趣推薦是微博用戶興趣模型的應(yīng)用。因而,針對(duì)微博用戶興趣建模與推薦研究對(duì)于微博網(wǎng)站的發(fā)展十分重要。
　　本文以構(gòu)建微博用戶興趣模型及推薦方法作為研究背景

2、,針對(duì)微博長(zhǎng)度短、信息量少,高維稀疏等特點(diǎn),研究用戶興趣信息獲取、微博用戶興趣模型構(gòu)建及推薦方法,旨在構(gòu)建合理的微博用戶興趣模型及推薦方法,從而實(shí)現(xiàn)對(duì)微博用戶準(zhǔn)確高效的微博話題推薦。本文以新浪微博作為數(shù)據(jù)來(lái)源,主要做了如下工作:
　　(1)分析微博中所包含的各種信息、微博用戶行為及其和微博用戶興趣間的關(guān)系,選擇合適的信息作為微博用戶興趣信息的來(lái)源,從而得到能夠準(zhǔn)確有效表示微博用戶興趣的信息。
　　(2)提出了一種基于詞項(xiàng)關(guān)聯(lián)

3、關(guān)系與歸一化割加權(quán)非負(fù)矩陣分解的微博用戶興趣模型構(gòu)建方法。該方法首先基于詞分布上下文語(yǔ)義相關(guān)性來(lái)建立詞項(xiàng)關(guān)聯(lián)關(guān)系矩陣刻畫詞項(xiàng)間相似度,接著應(yīng)用歸一化割加權(quán)非負(fù)矩陣分解算法獲取用戶-主題矩陣,產(chǎn)生用戶感興趣的微博主題聚類結(jié)果。實(shí)驗(yàn)表明,此方法能有效地進(jìn)行微博主題聚類,并支持微博用戶興趣模型構(gòu)建。
　　(3)提出了一種基于用戶興趣模型與會(huì)話抽取算法的微博推薦方法。該方法首先應(yīng)用基于歸一化割加權(quán)非負(fù)矩陣分解的微博用戶興趣模型獲取用戶-主