基于社交關(guān)系和時序主題的微博好友推薦算法研究.pdf

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