基于微博數(shù)據(jù)的個性化好友推薦算法研究及系統(tǒng)實現(xiàn).pdf

1、隨著微博、微信等社交工具的普及，每個人都成為了社交網(wǎng)絡信息的發(fā)布者及傳播者，這些社交服務也因此積累了大量用戶產(chǎn)生的數(shù)據(jù)信息，其中包括用戶的個人檔案、社交關(guān)系、文本內(nèi)容等。大量的用戶數(shù)據(jù)不僅成為工業(yè)界進行大數(shù)據(jù)分析，從而認識用戶、了解用戶的重要信息來源，同時也為學術(shù)界的研究工作提供了充分的數(shù)據(jù)支持。但不容忽視的是社交工具給人們生活帶來便利的同時，網(wǎng)絡中的信息過載問題也隨之日趨嚴重。面對海量的信息，人們很難從中即時發(fā)現(xiàn)自己真正感興趣的內(nèi)容，

2、因此，個性化推薦系統(tǒng)便作為一種有效的解決手段在各類社交網(wǎng)站中得到應用。本文針對微博用戶數(shù)量急劇增長的問題，利用用戶發(fā)布的博文內(nèi)容及已存在的關(guān)注關(guān)系為用戶推薦潛在的好友。具體研究內(nèi)容和結(jié)論如下：
　?。?）基于用戶博文主題及網(wǎng)絡結(jié)構(gòu)信息的好友推薦方法
　　由于人們在書寫用戶屬性信息時的隨意性和虛假性，使得在進行用戶興趣建模時用戶屬性無法得到有效利用。針對該問題，本文提出了一種基于興趣偏好和網(wǎng)絡結(jié)構(gòu)的混合好友推薦方法。首先采用L

3、DA主題模型對用戶微博進行建模，從中挖掘用戶興趣，并依據(jù)同質(zhì)性原理對目標用戶興趣進行修正。同時，采用一種新穎的基于網(wǎng)絡結(jié)構(gòu)的預測指標度量用戶間的親密程度。實驗結(jié)果表明，與僅利用網(wǎng)絡結(jié)構(gòu)的推薦效果相比，加入用戶興趣后的模型在準確率及 AUC指標上有顯著提升，同時也可提高部分博文主題不明確用戶的興趣挖掘效果。
　?。?）基于改進Link-LDA的用戶興趣挖掘方法
　　LDA主題模型僅僅利用文本內(nèi)容挖掘用戶興趣分布而忽略了已存在的

4、好友關(guān)注信息。針對該問題，本文放棄了傳統(tǒng)的LDA而借鑒一種新穎的Link-LDA模型，并對其進行一定改進使其能夠更好地適應社交網(wǎng)絡上用戶興趣的挖掘工作。實驗結(jié)果表明，這種新穎的興趣挖掘算法可以更加有效地刻畫用戶對不同主題的偏好程度，并在好友推薦任務中取得更加精準的推薦效果。
　　（3）微博好友推薦系統(tǒng)的設計與實現(xiàn)
　　采用B/S架構(gòu)，spring-MVC設計框架，設計一款微博好友推薦系統(tǒng)。該系統(tǒng)模擬了真實的社交網(wǎng)絡，并根據(jù)本