基于用戶聚類的微博話題推薦方法研究.pdf

1、近年來，微博的規(guī)模不斷擴大。微博規(guī)模擴大的同時也帶來了微博平臺上話題的爆炸式增長，而微博平臺中大規(guī)模的話題資源和用戶的辨識能力之間存在著一定的矛盾。面對用戶瀏覽和關(guān)注話題的需求，微博平臺很難在大量的話題中準確的提供滿足用戶偏好的話題。
　　針對以上研究背景，本文提出了面向微博話題的推薦系統(tǒng)，該系統(tǒng)能夠有效的在微博巨大的話題資源中找出滿足用戶偏好的話題集合，減少了用戶瀏覽微博話題的時間成本，提高了用戶效率。具體的研究內(nèi)容如下:

2、>　　首先，微博用戶影響力的計算。具有高影響力的用戶關(guān)注的微博話題往往更容易讓其他人關(guān)注（例如一個明星關(guān)注的話題很容易被其粉絲關(guān)注）。在微博中，用戶和用戶之間存在著關(guān)注和被關(guān)注的關(guān)系，在本論文中我們利用用戶網(wǎng)絡(luò)圖來分析和保存用戶關(guān)系，并在此基礎(chǔ)上，用一個算法（類似PageRank）來計算每個用戶的影響力。
　　其次，微博用戶偏好的表達形式。如何表達一個用戶的話題偏好是微博話題推薦的一個難點。在本論文中，我們根據(jù)中文分詞，特征詞提取

3、和關(guān)聯(lián)規(guī)則挖掘，基于同一話題下的微博和用戶歷史微博，提出了話題特征圖(TFG)和用戶微博特征圖(UTFG)。利用TFG和UMFG，進一步抽象出了用戶話題特征矩陣(UTFM)，用來表示用戶的偏好。
　　最后，如何準確高效的進行推薦。同一偏好的用戶往往喜愛的話題也類似。在本論文中，我們基于UTFM，利用余弦距離通過凝聚層次算法進行用戶聚類，在同一聚類簇內(nèi)，結(jié)合話題熱度和用戶影響力，對用戶進行推薦。
　　通過對該推薦系統(tǒng)的分析和驗