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(guān)注的微博好友,這種推薦技術(shù)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(nèi)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(nèi)容對用戶進行個性化推送的任務,進而結(jié)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