基于用戶聚類和語(yǔ)義詞典的微博推薦系統(tǒng).pdf

1、微博作為信息分享和傳播的網(wǎng)絡(luò)平臺(tái)，近年來(lái)得到了廣泛的應(yīng)用。如何讓用戶在海量的微博中獲取到感興趣的微博內(nèi)容成為了微博平臺(tái)新的研究方向。目前的一些微博推薦系統(tǒng)大都針對(duì)用戶進(jìn)行推薦，而對(duì)于微博平臺(tái)來(lái)說(shuō)，由于微博文本長(zhǎng)度較短，用戶興趣多樣，因此針對(duì)用戶的推薦效果并不理想。
　　 本文提出了針對(duì)于微博的推薦系統(tǒng)，用戶在瀏覽微博時(shí)可以訂閱感興趣的微博，系統(tǒng)將針對(duì)用戶訂閱的微博，結(jié)合用戶的興趣，推薦相關(guān)的微博。這樣的推薦一方面更有針對(duì)性，推薦

2、效果更好;另一方面也通過(guò)對(duì)于微博的推薦將類似的微博聚集起來(lái)形成了用戶所感興趣的話題。
　　 本文的推薦系統(tǒng)基于用戶聚類和短文本相似性算法實(shí)現(xiàn)。首先通過(guò)收集用戶過(guò)往所發(fā)表的微博為用戶建立興趣模型，在此基礎(chǔ)之上對(duì)用戶進(jìn)行聚類。然后收集與當(dāng)前用戶所在同一簇中的用戶所發(fā)表的微博，與用戶訂閱的微博進(jìn)行相似度計(jì)算，將相似度較高的微博推薦給用戶。在聚類算法中，本文改進(jìn)了K-Means算法，解決了K-Means算法對(duì)于初始中心選取的依賴性這一問(wèn)