基于統(tǒng)計的個性化微博信息與用戶推薦.pdf

1、近年來,隨著互聯(lián)網(wǎng)的蓬勃發(fā)展,特別是伴隨著社交網(wǎng)絡的興起,人們發(fā)現(xiàn)互聯(lián)網(wǎng)上開始出現(xiàn)了信息過載的現(xiàn)象,過多的信息不會幫助人們更容易發(fā)現(xiàn)信息,而是變得更加困難,人們無法從大量信息中發(fā)現(xiàn)哪些是重要的,哪些是可選的,而社交網(wǎng)絡是個自媒體的網(wǎng)絡應用,任何人、任何時間都可以在上面發(fā)布信息,顯然增加了信息過載的程度。
　　基于統(tǒng)計的個性化微博信息與用戶推薦目的是利用統(tǒng)計機器學習的方法為用戶建立個性化的模型,目的是幫助用戶避免信息過載的問題,在社

2、交網(wǎng)絡中發(fā)現(xiàn)并找到適合用戶的微博信息以及需要關注的微博好友,這種推薦技術對社交網(wǎng)絡網(wǎng)站提升用戶體驗也是非常重要的,同時,推薦系統(tǒng)和社交網(wǎng)絡是當前的兩個熱點研究領域,我們相信在社交網(wǎng)絡媒體中的推薦系統(tǒng)研究也具有重要意義。
　　本文的主要研究內容分為基于微博的信息推薦以及基于微博的好友推薦兩個部分?；谖⒉┑男畔⑼扑]部分,我們提出了對微博平臺上的文本內容對用戶進行個性化推送的任務,進而結合微博平臺自身的特點提出了我們的解決方法,對使用

3、的特征進行了分析,并通過實驗證明了方法的有效性。在微博好友推薦部分,我們希望通過對微博用戶推薦適合的好友,讓微博用戶能夠選擇合適的好友進而能夠達到信息過濾的效果,本文提出了基于協(xié)同過濾,啟發(fā)式,鏈接預測,主題模型等多種方法進行微博人物推薦的實驗與分析,最后為了提升人物推薦的預測精度利用多模型的優(yōu)勢,本文通過使用集成學習的方法進行了基于多模型的合并工作,并最終取得了效果上的進一步提升。
　　本文通過實驗證明了本文提出的信息和用戶推薦