基于動態(tài)自適應(yīng)權(quán)重的個性化微博推薦系統(tǒng)研究.pdf

1、作為一種通過關(guān)注機制分享簡短實時信息的廣播式社交網(wǎng)絡(luò)平臺，微博已經(jīng)成為人們交流和獲取信息的重要渠道。用戶關(guān)注列表中好友發(fā)布的微博是用戶獲得的信息主要來源，但隨著微博用戶規(guī)模和活躍用戶數(shù)量的不斷增長，用戶的關(guān)注列表變得越來越稠密，從而導致用戶可能面臨信息過載的問題。如何從繁多的信息流中挖掘出對用戶有價值的微博是提高微博用戶服務(wù)質(zhì)量的關(guān)鍵問題。
　　本文研究了現(xiàn)有的微博推薦方法，在充分利用現(xiàn)有的方法基礎(chǔ)上，結(jié)合實際應(yīng)用場景，將微博個性

2、化推薦問題轉(zhuǎn)化為對用戶接受到的微博信息重排序的問題。首先本文通過會話劃分，確定了推薦范圍;接著基于用戶偏好、微博內(nèi)容、發(fā)布者權(quán)威三種維度構(gòu)建了多個微博特征;然后提出了動態(tài)自適應(yīng)(dynamicself-adaptive feature weighting，DAFW)的權(quán)重融合方法，在實驗驗證其推薦有效性的基礎(chǔ)上，最后設(shè)計了實時個性化微博推薦系統(tǒng)。本文的工作成果主要有以下幾個方面:
　　(1)本文建立了一套較為完備的微博語料處理方案

3、，基于處理過的微博語料訓練通用主題模型，再采用吉布斯采樣(Gibbs Sampling)從通用主題模型中抽取出目標文本的主題分布，從而解決了短文本主題建模難的問題。
　　(2)本文抽取用戶轉(zhuǎn)發(fā)過的但非其關(guān)注的博主，將其發(fā)布的微博作為待推薦內(nèi)容不足情況下的補充，使得用戶不用通過關(guān)注機制也可以接收到感興趣的微博。
　　(3)本文基于用戶偏好、微博內(nèi)容、發(fā)布者權(quán)威三種維度構(gòu)建了十個微博特征，其中包括了很多分析特征，如微博熱度、交互

4、TF-IDF等，這些特征的加入，能夠明顯的提高推薦質(zhì)量。
　　(4)為解決多指標融合問題，本文將信息熵引入到權(quán)重調(diào)整環(huán)節(jié)，主要根據(jù)每一個特征值變異性大小來確定客觀權(quán)重，并結(jié)合均值及參數(shù)得到排序函數(shù)，實驗證明了本文方法的有效性。
　　(5)研究并設(shè)計了實時推薦系統(tǒng)，將本文的理論研究成果應(yīng)用到實際生活中，從而創(chuàng)造價值。
　　本文工作能夠有效的處理社交網(wǎng)絡(luò)時代普遍存在的信息過載問題。用戶能夠花更少的時間捕捉到朋友圈中比較有特