微博環(huán)境下用戶興趣模型設計及其應用.pdf

1、目前，隨著互聯(lián)網(wǎng)技術快速發(fā)展，數(shù)據(jù)處理相關的技術如數(shù)據(jù)挖掘、推薦系統(tǒng)等也得到了迅猛發(fā)展。越來越多的個性化推薦系統(tǒng)接入到微博賬號，通過微博文本對用戶的興趣進行分析。在推薦系統(tǒng)的應用中，如何建立用戶的興趣模型成為該領域研究的熱點。
　　論文以自然語言處理為基礎，對微博文本數(shù)據(jù)進行了用戶興趣建模工作，并通過其模型構建了新聞推薦系統(tǒng)。
　　首先，微博數(shù)據(jù)方面，通過新浪微博官方提供的API獲取用戶id，并利用Python做出相應的網(wǎng)絡

2、爬蟲程序進行數(shù)據(jù)采集；新聞數(shù)據(jù)方面，一方面使用搜狐公開新聞語料訓練詞向量，一方面同樣利用程序采集以便進行推薦。
　　其次，設計并建立了微博用戶興趣模型。在傳統(tǒng)文本分詞基礎上增加了新詞發(fā)現(xiàn)模塊；建立文本模型時，在傳統(tǒng)表征文本向量的基礎上通過引入詞向量模型提高了詞語間的關聯(lián)度；利用LDA主題模型的方法尋找相關主題聚類并降維，提高了模型的準確度。
　　最后，在用戶興趣模型的基礎上設計并實現(xiàn)了個性化的新聞推薦系統(tǒng)。并通過采集搜狐新聞