基于粒子群算法的微薄用戶推薦系統(tǒng).pdf

1、隨著微博應(yīng)用的飛速發(fā)展，微博用戶數(shù)量和信息數(shù)量呈爆炸式增長，微博平臺逐步進(jìn)入信息過載階段，有效的微博用戶推薦成為提高用戶體驗度的關(guān)鍵技術(shù)。論文以中心用戶為種子啟動微博爬蟲，以消除名人效應(yīng)和僵尸粉效應(yīng)，推薦與中心用戶高度相關(guān)的關(guān)注用戶為目標(biāo)，主要圍繞微博爬蟲系統(tǒng)、影響力評價算法以及相關(guān)用戶聚類三方面展開研究，并根據(jù)實際要求設(shè)計實現(xiàn)以種子用戶為中心的微博用戶推薦系統(tǒng)。論文主要研究內(nèi)容如下：
　　(1)針對微博社交網(wǎng)絡(luò)登錄機(jī)制安全限制、

2、數(shù)據(jù)類型多樣等問題，提出了基于模擬登錄的微博爬蟲系統(tǒng)（Microblog Crawler System Based on Simulated Logining, M C S S L)。首先綜合考慮用戶推薦應(yīng)用需求，制定待采集的數(shù)據(jù)規(guī)范以及數(shù)據(jù)存儲方式，然后通過程序模擬用戶終端登錄微博行為，實現(xiàn)程序?qū)ξ⒉╉撁娴脑L問，從而實現(xiàn)相關(guān)數(shù)據(jù)的采集。實驗結(jié)果統(tǒng)計表明，采集所得的數(shù)據(jù)與微博社交網(wǎng)絡(luò)實際數(shù)據(jù)相吻合，且相對于API采集方案， MCSSL在

3、數(shù)據(jù)完整性和采集高效性上更具優(yōu)勢。
　　(2)對比分析群體智能與微博社交網(wǎng)絡(luò)用戶行為之間的相似性，提出了基于粒子群算法(Particle Swarm Optimization, PSO)的微博用戶影響力評價方案。首先統(tǒng)計待推薦用戶集的微博數(shù)據(jù)，結(jié)合用戶集互動數(shù)據(jù)，包括微博評論數(shù)、轉(zhuǎn)發(fā)數(shù)、點贊數(shù)等，引入粒子群算法的速度和位移更新公式，改進(jìn)粒子群算法的影響力評價公式，完成用戶間影響力度及其變化趨勢的衡量。
　　(3)研宄 K-m