微博用戶偏好分析與建模.pdf

1、作為近年來飛速發(fā)展的社交網(wǎng)絡(luò)應(yīng)用，微博已成為人們?nèi)粘Ｉ钪羞M(jìn)行交流和信息獲取的重要途徑之一。微博的內(nèi)容包含了用戶的興趣偏好信息，這些隱含在微博當(dāng)中的用戶偏好信息對用戶建模、內(nèi)容推薦、熱點(diǎn)事件走向預(yù)測、為用戶提供個(gè)性化服務(wù)方面都有重要作用。但隱含在文本信息中的用戶興趣偏好難以直接獲取并對其進(jìn)行描述，如何準(zhǔn)確地對這些信息進(jìn)行挖掘和描述成為了急需解決的問題。
　　本論文以微博數(shù)據(jù)為對象，分析研究了微博用戶偏好的描述和建模方法，并對所提出

2、的方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。論文的主要工作如下:
　　(1)針對微博用戶興趣偏好主體不明確，且傳統(tǒng)基于用戶手動添加興趣標(biāo)簽等方法數(shù)據(jù)稀疏、更新不及時(shí)，無法準(zhǔn)確描述用戶偏好的問題，本文采用了文本分析的方法來獲取用戶興趣偏好，進(jìn)行用戶偏好建模。本文所提出的方法首先結(jié)合了用戶在微博的行為特點(diǎn)以及興趣隨時(shí)間轉(zhuǎn)移的特點(diǎn)，改進(jìn)了關(guān)鍵詞權(quán)重的計(jì)算方法，然后將計(jì)算結(jié)果作為結(jié)點(diǎn)權(quán)重引入到圖模型投票算法TextRank中，通過改進(jìn)的TextRank對用戶微

3、博中的興趣關(guān)鍵詞進(jìn)行了提取。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)方法相比，本文所提出的方法將用戶興趣關(guān)鍵詞提取的準(zhǔn)確率和召回率分別平均提升了2.97％和2.67％。
　　(2)針對當(dāng)前用戶興趣偏好提取與建模方法主要從詞頻、語義、主題等角度進(jìn)行分析，但忽略了用戶對于不同興趣的情感與偏好程度的問題，本文提出了用戶對于某一興趣的偏好程度與其對于該興趣的情感強(qiáng)度相關(guān)的假設(shè)，并基于這個(gè)假設(shè)把情感分析結(jié)果作為衡量用戶對于興趣偏好程度的方式引入了用戶偏好建模。