基于社交網(wǎng)絡(luò)的數(shù)據(jù)過濾與數(shù)據(jù)推送.pdf

1、隨著Web2.0時代的到來，各類網(wǎng)絡(luò)技術(shù)迅猛發(fā)展，計算機模擬人類思維能力不斷提高，各類工業(yè)和生活應(yīng)用大量涌現(xiàn)。這也導(dǎo)致了龐大的歷史數(shù)據(jù)堆積，人類已經(jīng)從信息匱乏時代過渡到信息過載時代。面對巨大的、無序的 Internet空間，傳統(tǒng)的信息搜索方式已經(jīng)不能滿足人們?nèi)找嬖鲩L的信息需求。如何利用計算機從海量數(shù)據(jù)中快速高效地找出潛在的、有價值的信息，成為了人們關(guān)注的熱點話題。目前，推薦系統(tǒng)的發(fā)展能幫助用戶方便、快捷地定位所需信息，而對用戶進行興趣分

2、析正是其中的關(guān)鍵。社交網(wǎng)絡(luò)的迅速崛起為我們分析用戶興趣提供了一個嶄新的內(nèi)容全面且豐富的數(shù)據(jù)來源。因此，社交網(wǎng)絡(luò)成為了當(dāng)前國內(nèi)外學(xué)者研究的重要內(nèi)容。
　　另外，在過去的一段時間里，信息處理技術(shù)不斷走向成熟。其中文本相似性計算也有了長足的發(fā)展，被廣泛應(yīng)用于文獻檢索、文本分類和機器翻譯等領(lǐng)域。一些學(xué)者對中文文本分詞方法、特征值提取方法和文本相似性判別算法進行改進，并取得了一定成果。但是這些方法大都是針對特定領(lǐng)域的具體應(yīng)用而言，適用范圍較

3、小。受中文語言特點的限制，現(xiàn)有算法一般只適用于某一領(lǐng)域，而在另一領(lǐng)域的適用性往往較差，新的應(yīng)用還需要研究新的算法才能解決。
　　本文基于微博，對利用微博獲取用戶興趣并進行個性化推薦的方法展開了研究和探索。相較于目前的研究工作，本文主要存在以下三方面的不同。首先，考慮到當(dāng)前針對中文語言的信息處理算法中存在的不足，提出將提取多特征屬性的文本相似性判別思想運用到微博文本中，通過多角度的提取詞條特征項，來提高文本表示的準確性，并減少文本語

4、義信息量的損失。其次，使用外部語料庫來確定用戶興趣分類，并以此來豐富微博語義、克服因微博內(nèi)容簡短而帶來的主題模型數(shù)目不易確定的問題。此外，受Ebbinghaus遺忘曲線的啟發(fā)，我們認為人類的興趣并不總是一成不變的，在傳統(tǒng)基于內(nèi)容的推薦算法的基礎(chǔ)上，提出基于時間權(quán)重函數(shù)的個性化推薦算法，用以剔除用戶過期興趣，并區(qū)分實時興趣。最后，我們設(shè)置多組實驗，經(jīng)對比發(fā)現(xiàn)，本文中提出的提取多特征屬性、應(yīng)用外部語料庫來進行用戶興趣分類和考慮用戶興趣隨時間