

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、微博作為社交網(wǎng)絡(luò)的新型代表以其快速、新穎和便捷的特點(diǎn)吸引了大量用戶,隨著微博的大規(guī)模發(fā)展越來(lái)越多的用戶選擇使用微博閱讀即時(shí)的新聞、發(fā)表對(duì)事物的看法、分享有趣的事情。進(jìn)而促使微博服務(wù)越來(lái)越趨向于信息的分享和傳播平臺(tái),微博信息隨之出現(xiàn)爆炸式增長(zhǎng)。信息過(guò)載問(wèn)題是社交網(wǎng)絡(luò)中最嚴(yán)重的危險(xiǎn),隨著微博信息過(guò)載的問(wèn)題困擾著越來(lái)越多的用戶,微博也面臨著越來(lái)越多用戶流失的危險(xiǎn),因此如何從大量的微博信息中快速有效的找出用戶感興趣的內(nèi)容是解決信息過(guò)載問(wèn)題的關(guān)鍵
2、。
首先要為用戶提供個(gè)性化的微博信息流推薦服務(wù),就要準(zhǔn)確把握用戶的愛(ài)好和興趣,如何通過(guò)用戶的博文分析而準(zhǔn)確把握用戶的興趣是目前的研究熱點(diǎn),而微博信息的短文本格式以及微博的社交網(wǎng)絡(luò)特性給微博個(gè)性化信息流推薦帶來(lái)了巨大的挑戰(zhàn),現(xiàn)有的微博信息流推薦正是由于目前主體模型研究的局限性和微博數(shù)據(jù)本身帶來(lái)的挑戰(zhàn)而無(wú)法達(dá)到較高的準(zhǔn)確率。本文在現(xiàn)有微博信息流推薦研究的基礎(chǔ)之上,針對(duì)為微博用戶推薦符合其興趣和喜好的微博信息的問(wèn)題,對(duì)基于 TF-I
3、DF(Term Frequency–inverse Document Frequency)模型的微博信息流相似度計(jì)算方法進(jìn)行改進(jìn),結(jié)合 LDA(Latent Dirichlet Allocation)主題模型的相似度評(píng)分,最終達(dá)到較高的推薦準(zhǔn)確率。論文主要研究?jī)?nèi)容如下:
(1)論文基于TF-IDF模型,綜合考慮微博短文本數(shù)據(jù)特征,將單個(gè)詞語(yǔ)權(quán)重和多個(gè)詞語(yǔ)權(quán)重相結(jié)合用于計(jì)算微博信息流的相似性進(jìn)而評(píng)估用戶的興趣度,結(jié)合協(xié)同過(guò)濾的思
4、想進(jìn)一步分析用戶的冷啟動(dòng)的問(wèn)題和個(gè)性化特點(diǎn),有效降低無(wú)關(guān)微博信息的排名,優(yōu)化用戶微博信息排序。
(2)引入概率主題模型LDA來(lái)對(duì)微博內(nèi)容進(jìn)行建模,模型將每個(gè)微博集合視為一些隱含的主題特定比例的混合,而一個(gè)主題則視為經(jīng)常同時(shí)出現(xiàn)的詞語(yǔ)的分布,進(jìn)而在計(jì)算微博信息流相似性時(shí)將微博內(nèi)容映射到主題維度以提高推薦準(zhǔn)確率。
(3)將基于TF-IDF模型的改進(jìn)型方法和基于LDA的模型的方法集成用于微博個(gè)性化信息流推薦,實(shí)驗(yàn)基于新浪微
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于矩陣分解的個(gè)性化信息流推薦技術(shù)研究.pdf
- 基于用戶分析的個(gè)性化微博推薦技術(shù)研究.pdf
- 微博媒體個(gè)性化信息推薦方法的研究.pdf
- 基于信息流的個(gè)性化服務(wù)研究.pdf
- 微博用戶興趣模型及個(gè)性化推薦技術(shù)研究與應(yīng)用.pdf
- 基于微博的個(gè)性化推薦問(wèn)題研究.pdf
- 基于社區(qū)的個(gè)性化微博推薦研究.pdf
- 基于統(tǒng)計(jì)的個(gè)性化微博信息與用戶推薦.pdf
- 微博用戶個(gè)性化標(biāo)簽提取技術(shù)研究.pdf
- 微博信息流中突現(xiàn)話題檢測(cè)技術(shù)研究.pdf
- 網(wǎng)絡(luò)招聘信息個(gè)性化推薦技術(shù)研究.pdf
- 基于微博的用戶興趣分析與個(gè)性化信息推薦.pdf
- 基于社區(qū)的個(gè)性化微博推薦分析
- 基于用戶建模的個(gè)性化微博推薦研究.pdf
- 面向微博系統(tǒng)的實(shí)時(shí)個(gè)性化推薦研究.pdf
- 面向Twitter的個(gè)性化信息推薦技術(shù)研究.pdf
- 基于信息流動(dòng)模型的個(gè)性化社交內(nèi)容推薦.pdf
- 基于微博的個(gè)性化新聞推薦算法的研究.pdf
- 社交網(wǎng)絡(luò)個(gè)性化推薦技術(shù)研究.pdf
- Web頁(yè)面?zhèn)€性化推薦技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論