面向微博系統(tǒng)的實時個性化推薦研究.pdf

1、近年來社交網絡服務（Social Networks Services, SNS）發(fā)展迅猛，尤其是微博系統(tǒng)憑借其社交特性、媒體特性、終端可擴展性，逐漸發(fā)展成為主流社交媒體，是目前人們實現(xiàn)社會交往、獲取和分享實時信息的一種重要方式，大量用戶頻繁的交互以及實時更新的內容，產生了海量的數據流，導致信息超載，阻礙了用戶從大量數據中高效檢索出感興趣的信息，限制了社交網絡服務的發(fā)展，也為現(xiàn)有的推薦系統(tǒng)研究帶來了巨大的挑戰(zhàn)。一方面，巨大的數據量，使得傳

2、統(tǒng)的推薦方法不能及時處理，同時還面臨著候選集過大的問題。另一方面，社交網絡中話題的不斷更新和用戶興趣的不斷變化，使得推薦的時效性成為研究難點。
　　針對這些問題，本文深入分析微博的自身特征，在構建用戶興趣向量模型時，結合微博內容信息和用戶間的信任度得到用戶的興趣向量，通過主題模型計算微博主題特征詞的分布概率；提出微博局部索引機制(Partial Index Mechanism)，改進倒排索引結構，對海量且持續(xù)更新的微博數據進行有效

3、組織，減少索引成本，通過微博評分函數對新發(fā)布微博進行排序，索引列表中維持最受歡迎的微博；在微博實時個性化推薦部分，通過局部索引機制來維護最新發(fā)布或更新的微博，計算索引中的微博和用戶之間的興趣相似度，對結果進行排序。從索引列表中選取相應受歡迎度高的微博，構建用戶個性化推薦列表。
　　為驗證微博實時個性化推薦方法的實時性及有效性，選取真實的微博平臺用戶數據作為實驗對象進行多組實驗，并對實驗結果進行分析。實驗結果表明，本文提出的算法能夠