發(fā)布時間：2019-12-05 23:07

【摘要】：微博作為一種新的且應(yīng)用廣泛的社交網(wǎng)絡(luò)，近年來引來許多學(xué)者研究，其中微博用戶推薦是研究熱點之一。由于微博結(jié)構(gòu)上的單向弱關(guān)系特性，單純的利用傳統(tǒng)推薦算法進行用戶推薦，存在著推薦不精確問題，同時對推薦因素考慮不足也在一定程度上影響推薦的質(zhì)量。本文分析了微博的特性，針對微博關(guān)注者的推薦算法進行研究，重點分析和研究了熱點關(guān)注者推薦和個性化關(guān)注者推薦兩類問題。 首先，在熱點關(guān)注者推薦算法部分，針對熱點用戶識別不準(zhǔn)確，以及認(rèn)證用戶優(yōu)先被推薦問題，，提出了一種熱點用戶識別方法，以進行熱點關(guān)注者推薦。首先分析了微博信息傳播的方式，選取了用戶的博文數(shù)量、回復(fù)數(shù)量等五個影響因素描述用戶的行為模式以識別活躍用戶，其次根據(jù)用戶聲譽、被訪問量和微博影響力在活躍用戶的基礎(chǔ)上設(shè)計熱點用戶的識別方法，最終將熱點度高的用戶推薦為熱點關(guān)注者。 其次，在個性化關(guān)注者推薦算法部分，針對推薦過程中預(yù)測評分的不精確問題，提出了基于微博用戶屬性和貝葉斯分類的推薦算法。首先根據(jù)傳統(tǒng)的基于用戶的協(xié)同過濾算法對目標(biāo)用戶未關(guān)注的人進行初始預(yù)測評分，其次結(jié)合微博用戶屬性和貝葉斯分類，得到目標(biāo)用戶喜歡未被其評分的關(guān)注者的概率，最后結(jié)合二者優(yōu)化改進初始預(yù)測評分，并將該算法與傳統(tǒng)的推薦算法進行比較。 最后，采用Eclipse編程實現(xiàn)具體算法，對文中以上兩點的研究內(nèi)容進行對比分析。通過對實驗結(jié)果的詳細(xì)分析，驗證了熱點關(guān)注者推薦算法的有效性以及基于貝葉斯屬性分類的個性化關(guān)注者推薦算法的合理性。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP393.092;TP391.3

【參考文獻】

相關(guān)期刊論文 前4條

1 鮑光余;朱東海;;基于潛在語義分析的農(nóng)戶個性化推薦系統(tǒng)的研究與設(shè)計[J];計算機與現(xiàn)代化;2011年01期

2 趙宏霞;王新海;楊皎平;;基于模糊推理的web客戶需求協(xié)同過濾推薦算法[J];情報雜志;2011年01期

3 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(自然科學(xué)版);2011年03期

4 原福永;馮靜;符茜茜;;微博用戶的影響力指數(shù)模型[J];現(xiàn)代圖書情報技術(shù);2012年06期

本文編號：2570156