面向SNS的混合推薦算法的研究與應(yīng)用.pdf

1、隨著社交網(wǎng)絡(luò)的快速興起和廣泛應(yīng)用，海量數(shù)據(jù)充斥到社交網(wǎng)絡(luò)中，信息過載問題成為了當(dāng)前首要解決的任務(wù)之一。推薦技術(shù)是解決信息過載問題的一個重要手段，同時也是結(jié)合自然語言處理、數(shù)據(jù)挖掘等交叉領(lǐng)域的重要研究課題，其在多個領(lǐng)域中具有較高的學(xué)術(shù)與應(yīng)用價值。本文采用基于內(nèi)容和基于協(xié)同過濾的混合推薦方法，完成了相關(guān)用戶推薦和用戶相關(guān)信息推薦，主要工作如下:
　　1)基于語言模型的相似詞與相近詞研究。利用用戶的歷史數(shù)據(jù)，結(jié)合中文詞性分析，構(gòu)建出相似

2、詞與相近詞的分析模型，從而得到POS-CBOW語言模型和POS-Skip-gram語言模型。
　　2)基于語言模型的詞推薦與人物推薦。通過分析文本的語言學(xué)規(guī)律，結(jié)合語言模型生成的高維空間詞向量，完成相關(guān)詞的計算以及相關(guān)人物計算。
　　3)基于混合推薦的用戶群體及相關(guān)信息推薦。通過帶有淺層語義關(guān)系的語言模型，完成詞的分級聯(lián)想，然后利用分級信息完成分級用戶集的篩選，最后通過情感計算和興趣詞抽取，完成用戶的相關(guān)信息推薦。