基于微博數(shù)據(jù)的個(gè)性化好友推薦算法研究及系統(tǒng)實(shí)現(xiàn).pdf

1、隨著微博、微信等社交工具的普及，每個(gè)人都成為了社交網(wǎng)絡(luò)信息的發(fā)布者及傳播者，這些社交服務(wù)也因此積累了大量用戶產(chǎn)生的數(shù)據(jù)信息，其中包括用戶的個(gè)人檔案、社交關(guān)系、文本內(nèi)容等。大量的用戶數(shù)據(jù)不僅成為工業(yè)界進(jìn)行大數(shù)據(jù)分析，從而認(rèn)識(shí)用戶、了解用戶的重要信息來(lái)源，同時(shí)也為學(xué)術(shù)界的研究工作提供了充分的數(shù)據(jù)支持。但不容忽視的是社交工具給人們生活帶來(lái)便利的同時(shí)，網(wǎng)絡(luò)中的信息過(guò)載問(wèn)題也隨之日趨嚴(yán)重。面對(duì)海量的信息，人們很難從中即時(shí)發(fā)現(xiàn)自己真正感興趣的內(nèi)容，

2、因此，個(gè)性化推薦系統(tǒng)便作為一種有效的解決手段在各類社交網(wǎng)站中得到應(yīng)用。本文針對(duì)微博用戶數(shù)量急劇增長(zhǎng)的問(wèn)題，利用用戶發(fā)布的博文內(nèi)容及已存在的關(guān)注關(guān)系為用戶推薦潛在的好友。具體研究?jī)?nèi)容和結(jié)論如下：
　　（1）基于用戶博文主題及網(wǎng)絡(luò)結(jié)構(gòu)信息的好友推薦方法
　　由于人們?cè)跁鴮懹脩魧傩孕畔r(shí)的隨意性和虛假性，使得在進(jìn)行用戶興趣建模時(shí)用戶屬性無(wú)法得到有效利用。針對(duì)該問(wèn)題，本文提出了一種基于興趣偏好和網(wǎng)絡(luò)結(jié)構(gòu)的混合好友推薦方法。首先采用L

3、DA主題模型對(duì)用戶微博進(jìn)行建模，從中挖掘用戶興趣，并依據(jù)同質(zhì)性原理對(duì)目標(biāo)用戶興趣進(jìn)行修正。同時(shí)，采用一種新穎的基于網(wǎng)絡(luò)結(jié)構(gòu)的預(yù)測(cè)指標(biāo)度量用戶間的親密程度。實(shí)驗(yàn)結(jié)果表明，與僅利用網(wǎng)絡(luò)結(jié)構(gòu)的推薦效果相比，加入用戶興趣后的模型在準(zhǔn)確率及 AUC指標(biāo)上有顯著提升，同時(shí)也可提高部分博文主題不明確用戶的興趣挖掘效果。
　?。?）基于改進(jìn)Link-LDA的用戶興趣挖掘方法
　　LDA主題模型僅僅利用文本內(nèi)容挖掘用戶興趣分布而忽略了已存在的

4、好友關(guān)注信息。針對(duì)該問(wèn)題，本文放棄了傳統(tǒng)的LDA而借鑒一種新穎的Link-LDA模型，并對(duì)其進(jìn)行一定改進(jìn)使其能夠更好地適應(yīng)社交網(wǎng)絡(luò)上用戶興趣的挖掘工作。實(shí)驗(yàn)結(jié)果表明，這種新穎的興趣挖掘算法可以更加有效地刻畫用戶對(duì)不同主題的偏好程度，并在好友推薦任務(wù)中取得更加精準(zhǔn)的推薦效果。
　?。?）微博好友推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
　　采用B/S架構(gòu)，spring-MVC設(shè)計(jì)框架，設(shè)計(jì)一款微博好友推薦系統(tǒng)。該系統(tǒng)模擬了真實(shí)的社交網(wǎng)絡(luò)，并根據(jù)本