版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著Web2.0技術(shù)的蓬勃發(fā)展,全球互聯(lián)網(wǎng)進(jìn)入網(wǎng)絡(luò)交互時(shí)代。微博的誕生和發(fā)展,給互聯(lián)網(wǎng)信息的傳播方式,以及用戶(hù)的生活都帶來(lái)巨大的影響。用戶(hù)可以運(yùn)用微博平臺(tái)收聽(tīng)感興趣的、貼近生活的、專(zhuān)業(yè)領(lǐng)域的話(huà)題。微博逐漸成為用戶(hù)間信息交流,信息分享以及信息傳播的主要平臺(tái)。隨著微博用戶(hù)的上升,微博信息成倍地增長(zhǎng)。而微博信息總是伴隨著微博用戶(hù)而存在,在眾多微博用戶(hù)中尋找到與自己有共同興趣愛(ài)好的用戶(hù),也就找到了想要獲得的信息。因此,為微博用戶(hù)推薦具有共同興趣
2、愛(ài)好的好友,就成為本文研究的重點(diǎn)。
本文對(duì)目前已有的社會(huì)網(wǎng)絡(luò)好友推薦算法進(jìn)行深入研究,通過(guò)總結(jié)學(xué)習(xí)推薦算法的理論知識(shí),結(jié)合微博用戶(hù)好友特點(diǎn),提出一種基于關(guān)聯(lián)規(guī)則和標(biāo)簽的個(gè)性化好友推薦算法,推薦與目標(biāo)用戶(hù)最相似的用戶(hù)為其好友。首先,對(duì)微博中好友推薦的相關(guān)概念進(jìn)行定義,并介紹好友推薦系統(tǒng)實(shí)現(xiàn)流程;其次,提出基于關(guān)聯(lián)規(guī)則算法計(jì)算用戶(hù)間共同好友關(guān)系的方法,然后又提出基于標(biāo)簽相似度算法計(jì)算用戶(hù)間相似性的方法;最后,結(jié)合共同好友關(guān)系和標(biāo)簽
3、相似性?xún)蓚€(gè)推薦因素,推導(dǎo)出基于個(gè)性化好友推薦的計(jì)算方法。
在文章最后的實(shí)驗(yàn)部分,先設(shè)計(jì)實(shí)現(xiàn)了微博個(gè)性化好友推薦系統(tǒng),為算法的性能測(cè)試提供實(shí)驗(yàn)平臺(tái)支持。然后利用好友推薦系統(tǒng),進(jìn)行兩部分實(shí)驗(yàn),分別為權(quán)重值實(shí)驗(yàn)測(cè)試和算法性能實(shí)驗(yàn)測(cè)試。其中,權(quán)重值實(shí)驗(yàn)結(jié)果表明,當(dāng)權(quán)重值為0.6時(shí),個(gè)性化好友推薦算法達(dá)到最優(yōu)。最后,通過(guò)與現(xiàn)有的三種好友算法進(jìn)行比較,得出個(gè)性化好友推薦算法的優(yōu)化性,表明相結(jié)合的個(gè)性化好友推薦算法是有效的,且在準(zhǔn)確率和查全
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于標(biāo)簽和可信鄰域的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于協(xié)同過(guò)濾和行為分析的微博推薦系統(tǒng).pdf
- 基于標(biāo)簽的協(xié)同過(guò)濾推薦技術(shù)的研究.pdf
- 基于標(biāo)簽和協(xié)同過(guò)濾的圖片推薦系統(tǒng).pdf
- 基于用戶(hù)興趣的移動(dòng)微博協(xié)同過(guò)濾推薦方法研究.pdf
- 基于用戶(hù)協(xié)同過(guò)濾推薦算法的研究.pdf
- 基于協(xié)同過(guò)濾技術(shù)的推薦算法研究.pdf
- 基于協(xié)同過(guò)濾的圖書(shū)推薦算法研究.pdf
- 推薦系統(tǒng)中基于內(nèi)存的協(xié)同過(guò)濾算法研究.pdf
- 推薦系統(tǒng)中協(xié)同過(guò)濾算法研究.pdf
- 基于協(xié)同過(guò)濾技術(shù)的推薦算法研究
- 基于SVD的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于協(xié)同過(guò)濾的器件推薦算法研究.pdf
- 協(xié)同過(guò)濾推薦算法研究.pdf
- 基于協(xié)同過(guò)濾的圖書(shū)推薦算法研究
- 推薦系統(tǒng)中協(xié)同過(guò)濾算法的研究.pdf
- 推薦系統(tǒng)中的協(xié)同過(guò)濾算法研究.pdf
- 微博協(xié)同過(guò)濾推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于MapReduce的協(xié)同過(guò)濾推薦算法研究.pdf
- 協(xié)同過(guò)濾算法在圖書(shū)推薦系統(tǒng)中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論