微博環(huán)境下用戶興趣模型設(shè)計及其應(yīng)用.pdf

1、目前，隨著互聯(lián)網(wǎng)技術(shù)快速發(fā)展，數(shù)據(jù)處理相關(guān)的技術(shù)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(yīng)用中，如何建立用戶的興趣模型成為該領(lǐng)域研究的熱點。
　　論文以自然語言處理為基礎(chǔ)，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(gòu)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(yīng)的網(wǎng)絡(luò)

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?wù)Z料訓(xùn)練詞向量，一方面同樣利用程序采集以便進行推薦。
　　其次，設(shè)計并建立了微博用戶興趣模型。在傳統(tǒng)文本分詞基礎(chǔ)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(chǔ)上通過引入詞向量模型提高了詞語間的關(guān)聯(lián)度；利用LDA主題模型的方法尋找相關(guān)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(chǔ)上設(shè)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