基于知識流和用戶選擇的微博話題推薦.pdf

1、隨著大數(shù)據(jù)時代信息量的快速增長，微博數(shù)據(jù)過載情況越來越嚴(yán)重，同時，微博數(shù)據(jù)結(jié)構(gòu)也越來越復(fù)雜。這種情況導(dǎo)致微博用戶很難從海量的知識中快速、準(zhǔn)確地獲取對自己有用的信息。針對上述研究背景，本文提出了基于知識流和用戶選擇的微博話題推薦。該推薦模型通過知識流的構(gòu)建解決由于微博話題數(shù)據(jù)量過多、過雜而引起的微博話題推薦效率過低的問題，提高微博話題存取速度與存取效率，并通過用戶選擇提高微博話題推薦的準(zhǔn)確度。具體研究內(nèi)容分為以下幾個方面:
　　第一

2、，微博話題的用戶群聚類。本文通過分析用戶的歷史行為，得到每個用戶有關(guān)微博話題的興趣向量;再利用K-Means算法實現(xiàn)對微博用戶的聚類，得到k個用戶群和每個用戶群的核心用戶，保證這些用戶群滿足群內(nèi)高相似度，群間低相似度。將微博用戶進(jìn)行聚類，可以提高微博話題推薦的效率。
　　第二，微博話題知識流的構(gòu)建。為了盡可能保證知識流中的微博話題都是值得推薦的，本文在微博話題知識流的組織之前，依次根據(jù)微博話題的興趣度及其與用戶群之間的關(guān)聯(lián)度對微博

3、話題進(jìn)行了兩次篩選。兩次篩選有效改善待推薦微博話題知識流的質(zhì)量，從而提高微博話題推薦的準(zhǔn)確率。
　　第三，基于用戶選擇的推薦與知識流的更新。本文根據(jù)用戶群與知識流中微博話題的關(guān)聯(lián)度進(jìn)行排序，并將組織好的知識流推薦給該用戶群;由于知識流中的微博話題隨著時間的流逝興趣度會發(fā)生改變，而用戶的選擇也會對兩者的關(guān)聯(lián)度造成影響，本文以此為依據(jù)實現(xiàn)知識流的更新，最后根據(jù)用戶的反饋驗證模型的有效性。
　　實驗結(jié)果顯示，該算法能夠在一定程度上