2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著微博社交網(wǎng)絡(luò)的流行,越來越多的用戶喜歡使用微博獲取信息和表達(dá)觀點。然而,隨著用戶的不斷增多,微博的信息量也在成倍增加,用戶越來越難找到自己感興趣的信息。通常,用戶獲取的信息主要來源于關(guān)注者發(fā)布的微博信息,因此為微博用戶推薦其可能感興趣的關(guān)注好友,既能保證其獲取高質(zhì)量的信息又能擴(kuò)大其交際圈。因此,如何推薦高質(zhì)量的關(guān)注好友,一直是微博個性化服務(wù)的熱點之一。
  目前微博好友推薦方法中,現(xiàn)有的基于社交拓?fù)浣Y(jié)構(gòu)和基于微博內(nèi)容混好的好友

2、推薦算法,不能全面分析微博數(shù)據(jù)的多種特征及動態(tài)分析用戶興趣偏好。提出一種基于社交關(guān)系和時序主題的混合好友推薦算法解決這些問題?;谏缃魂P(guān)系推薦模塊,引入適用于微博好友推薦的基于排序的矩陣分解模型,提取微博數(shù)據(jù)中的性別、年齡、社交活動特征,將這些特征引入到矩陣分解模型,優(yōu)化求解用戶親密度預(yù)測矩陣,計算用戶社交相似度。基于時序主題推薦模塊,按時間窗口把用戶發(fā)布的微博內(nèi)容分段,針對每一時段,把同一位用戶的微博文本聚合成一個用戶文檔,利用潛在狄

3、利特雷分布(Latent Dirichlet Allocation,LDA)模型提取用戶-主題特征,并使用詹森香農(nóng)(Jensen-Shannon,JS)距離計算興趣相似度;根據(jù)歷史各時段的興趣相似度,使用時間衰減函數(shù)預(yù)測用戶最終的興趣相似度。在此基礎(chǔ)上,線性融合社交和興趣相似度,使用協(xié)同過濾算法進(jìn)行Top-k好友推薦。
  在真實的新浪微博數(shù)據(jù)集上進(jìn)行驗證,改進(jìn)的混合好友推薦算法具有較好的推薦效果,在平均準(zhǔn)確率均值(Mean Av

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論