面向微博用戶的推薦多樣性研究.pdf

1、微博作為一種社交媒體正在越來越深刻的改變?nèi)藗儷@取信息和交流的方式。越來越多的人愿意在微博中發(fā)表自己的觀點(diǎn),表達(dá)自己的心情,發(fā)布最新的消息。然而隨著用戶在微博中關(guān)注了更多的人,用戶被大量的微博信息包圍,其中很大一部分是用戶不感興趣的。這給用戶在瀏覽微博時造成了一定的困擾,降低了用戶的體驗(yàn)。
　　用戶瀏覽的微博默認(rèn)按照時間的先后順序排列,本文旨在使用推薦系統(tǒng)將用戶感興趣的微博靠前放置,幫助用戶更快更好的獲得信息。
　　本文首先使

2、用了基于特征矩陣分解的方法做微博推薦。矩陣分解是推薦系統(tǒng)中效果最好的方法之一,我們將其應(yīng)用在微博推薦場景中。同時針對微博的特點(diǎn),在做推薦時,我們同時考慮了微博的內(nèi)容和社交特征以進(jìn)行更好個性化的推薦。本文將微博推薦定義為列表的排序問題,采用了搜索引擎評價中流行的MAP值作為評價指標(biāo),實(shí)驗(yàn)結(jié)果證明了我們的方法較默認(rèn)的時間排序能夠更好的將用戶感興趣的微排在列表的前面,同時驗(yàn)證了微博推薦可以提升用戶體驗(yàn)。
　　在使用推薦系統(tǒng)進(jìn)行微博推薦時

3、會出現(xiàn)將過多的同類內(nèi)容推薦給用戶的問題。雖然這些同類微博可能都是用戶感興趣的,但是這樣的結(jié)果并不利于用戶獲取多樣的信息,長期使用會導(dǎo)致用戶體驗(yàn)的降低。所以本文在普通推薦的基礎(chǔ)上引入列表多樣性的度量。我們希望推薦列表中微博間的相似度要盡量的低。
　　本文針對微博的特點(diǎn)提出了一系列的特征來度量微博相似性,使用增量Single-Pass聚類算法和聚類集成的框架將微博聚類,將該聚類結(jié)果與人工標(biāo)注的結(jié)果進(jìn)行了對比。使用了聚類評價中常用的NM