微博中智能化用戶推薦系統(tǒng)的研究和應(yīng)用.pdf

1、近年來，隨著社交網(wǎng)站的快速發(fā)展，幾乎每一個互聯(lián)網(wǎng)用戶每天都在使用不同的社交網(wǎng)站以及基于社交網(wǎng)站的服務(wù)。社交關(guān)系是社交網(wǎng)站最為核心的數(shù)據(jù)，也是其他所有服務(wù)的基礎(chǔ)，因此社交網(wǎng)站中的用戶推薦系統(tǒng)具有非常重要的研究意義和應(yīng)用價值。本文基于國內(nèi)著名社交網(wǎng)站騰訊微博的數(shù)據(jù)，深入研究了協(xié)同過濾算法的相關(guān)技術(shù)。具體的研究工作如下:
　　 (1)在數(shù)據(jù)分析的基礎(chǔ)上提出了微博用戶推薦系統(tǒng)所面臨的主要問題，實(shí)現(xiàn)了三個基準(zhǔn)預(yù)測模型，為后面對協(xié)同過濾算法

2、進(jìn)行改進(jìn)提供了實(shí)驗(yàn)依據(jù)。
　　 (2)利用社交關(guān)系和目錄、關(guān)鍵詞信息在效率和精度兩個方面改進(jìn)了傳統(tǒng)的基于用戶的鄰居模型和基于項(xiàng)目的鄰居模型。
　　 (3)提出了融入社交關(guān)系的非對稱因子模型，有效解決了冷啟動問題，大大提高了預(yù)測精度，并在此模型基礎(chǔ)上通過融入上下文信息，進(jìn)一步提高了精度。
　　 (4)實(shí)現(xiàn)了線性回歸以及神經(jīng)網(wǎng)絡(luò)組合方法，組合多個單模型的預(yù)測評分，實(shí)驗(yàn)表明在模型中融入各類信息比通過組合模型來利用這些信