社交網(wǎng)絡(luò)中的主題用戶推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的高速發(fā)展和社交網(wǎng)絡(luò)的出現(xiàn)，信息出現(xiàn)了爆炸性地增長，傳統(tǒng)的搜索信息模式已經(jīng)不適合現(xiàn)在的格局，推薦系統(tǒng)應(yīng)運(yùn)而生。社交網(wǎng)絡(luò)中對用戶興趣需求的個(gè)性化推薦服務(wù)是目前的一大研究熱點(diǎn)，比如對用戶興趣挖掘，預(yù)警熱點(diǎn)新聞輿論，社交圈發(fā)掘等有趣的研究，其中一個(gè)方向就是系統(tǒng)個(gè)性化推薦。
　　傳統(tǒng)的推薦算法雖然在個(gè)性化推薦研究領(lǐng)域中有一定的成就，但由于社交網(wǎng)絡(luò)處于不同的背景下的復(fù)雜性，使傳統(tǒng)的推薦算法在例如微博這種信息流社交網(wǎng)絡(luò)中的推薦質(zhì)量不

2、高。而且由于不同的推薦目的，也存在不同的方法優(yōu)化。通過分析現(xiàn)有的推薦算法和微博數(shù)據(jù)的特點(diǎn)后，提出了主題用戶推薦模型。主要工作包含以下幾個(gè)方面。
　　(1)為了解決社交網(wǎng)絡(luò)數(shù)據(jù)普遍存在數(shù)據(jù)的不完整和獲取效率低、不同的推薦算法對數(shù)據(jù)獲取維度要求存在差異的問題，本文根據(jù)研究的需要提出了一種基于新浪微博API的分布式爬取框架。在API接口調(diào)用的各種約束條件下，為獲取更多更全的數(shù)據(jù)，制定了合理的接口調(diào)用策略。根據(jù)系統(tǒng)結(jié)構(gòu)圖和數(shù)據(jù)爬取流程圖，

3、可以看到該系統(tǒng)是采用并行的方式爬取數(shù)據(jù)，可擴(kuò)展性非常強(qiáng)，并且解決了授權(quán)碼過期自動(dòng)驗(yàn)證和API接口頻次調(diào)用完畢自動(dòng)休眠的問題。
　　(2)該模型借助主題模型LDA對微博數(shù)據(jù)進(jìn)行潛在語義挖掘，與傳統(tǒng)文本模型最大的不同是從主題的層次上面建立文本模型，通過LDA模型可以訓(xùn)練得到文檔-主題的分布。我們通過LDA模型訓(xùn)練出每個(gè)用戶的微博-主題分布集合，并轉(zhuǎn)化為用戶-主題的分布來刻畫用戶的興趣愛好，實(shí)現(xiàn)對用戶的興趣挖掘。本文也通過對微博文本進(jìn)行

4、了規(guī)范化的處理并且根據(jù)微博數(shù)據(jù)構(gòu)建表情詞典、網(wǎng)絡(luò)用語等多個(gè)詞典，對文本的預(yù)處理和分詞的效果顯著。
　　(3)為了對主題用戶推薦模型中的主題用戶做準(zhǔn)確提取，本文通過研究得出主題用戶普遍存在主題突出且用戶影響力大的特點(diǎn)，結(jié)合用戶-主題分布特有的分柿規(guī)律和用戶的被關(guān)注度兩個(gè)方面提出主題用戶提取模型。通過這兩個(gè)主要特征建立決策樹來劃分普通用戶和主題用戶兩個(gè)群體，普通用戶作為推薦目標(biāo)，主題用戶作為推薦主體。
　　(4)為了提高主題用戶