利用社會化信息的協(xié)同過濾推薦算法研究.pdf

1、隨著移動終端的普及，移動互聯(lián)網(wǎng)應用已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠帧Ｈ藗兛梢苑奖愕慕尤刖W(wǎng)絡(luò)，發(fā)表自己的內(nèi)容。社交網(wǎng)絡(luò)的用戶量，生產(chǎn)的內(nèi)容和服務(wù)商也在穩(wěn)步的增長。人們在社交網(wǎng)絡(luò)中(如微博，微信，知乎)實時地產(chǎn)生和消費內(nèi)容，并且越來越依賴基于社交關(guān)系的信息流動態(tài)來獲取新鮮事。知乎網(wǎng)是一個用戶自己提問、網(wǎng)友回答的在線問答社區(qū)，用戶的動態(tài)消息以信息流的方式呈現(xiàn)在網(wǎng)站首頁。用戶的信息流會隨著其社交關(guān)系的增加而變得越來越紛繁復雜。對于那些關(guān)注

2、了很多信息源的用戶，每天可以從其關(guān)注者那獲取到成千上萬的動態(tài)消息。個性化推薦系統(tǒng)被各大平臺用于為用戶篩選出其感興趣的動態(tài)。
　　知乎網(wǎng)的內(nèi)容是由一個一個的問題構(gòu)成，每個問題可以打上不同的話題標簽，問題頁面中有一個回答列表。用戶可以自行添加答案，也可以通過點贊、評論、關(guān)注等方式來表達自己對答案的態(tài)度，平臺中的內(nèi)容通過用戶之間的關(guān)注關(guān)系來傳播。本文針對知乎網(wǎng)的特征，提出了一種基于隨機游走的圖推薦模型，該模型將“用戶-話題-問題”三者有

3、機結(jié)合起來構(gòu)建用戶興趣異構(gòu)圖，并在圖中添加了時間段節(jié)點來綜合考慮用戶的長時間和短時間的興趣。此外，該算法還融入了用戶的社交關(guān)系，基于三元閉包理論發(fā)現(xiàn)用戶的潛在好友關(guān)系，最后結(jié)合用戶的社交關(guān)系與動態(tài)記錄為用戶打造個性化推薦列表。
　　在知乎中，有樂于分享知識和經(jīng)驗的答主，他們作為內(nèi)容生產(chǎn)者產(chǎn)生了大量的內(nèi)容，使得平臺內(nèi)容更加豐富多彩。還有一種用戶是內(nèi)容消費者，其中有部分人閱讀平臺上的內(nèi)容后，愿意對自己認可的回答點贊分享，平臺記錄了他們

4、的行為特征。而還有另一種用戶，他們只是閱讀，而不進行操作，除了社交關(guān)系，個人歷史行為稀少。本文設(shè)計了一個基于文本內(nèi)容的矩陣分解模型來為上面描述的用戶進行個性化推薦。該方法將“用戶-問題”之間的關(guān)系通過“用戶-話題”矩陣來描述。使用矩陣分解來獲得“用戶-話題”特征矩陣，再通過“話題-問題”之間的關(guān)系來將大量的問題映射到少量的話題上，來解決用戶行為稀疏的問題。同時，針對動態(tài)較少的用戶，通過添加其關(guān)注者的回答內(nèi)容來構(gòu)建“用戶-話題”詞袋模型，