基于加權動態(tài)興趣度的微博推薦方法研究.pdf

1、微博是一種用戶通過關注關系進行信息實時分享的社交網絡平臺，不同的用戶可能會有相同的喜好，于是就會形成具有相同興趣愛好的用戶集體。這就給人們精準定位用戶興趣取向，為組織機構精準發(fā)布推薦信息提供了可能性，增加了用戶獲得自己感興趣信息的概率。因此，用戶的興趣度成為微博出現(xiàn)以來人們研究的熱點，研究產生了許多個性化的推薦方法。
　　從現(xiàn)有的研究來看，對微博數(shù)據進行挖掘分析的研究有很多，其中有對微博結構的研究，也有對微博文本的研究。在這些研究

2、模型中，對于微博用戶興趣的模型研究很少，并且沒有考慮到用戶的興趣變化，由于用戶的興趣具有時間變化性，也就是用戶的興趣會因為時間的推移而產生相應的變化，可能會產生興趣轉移?；谶@一特點，本文把時間作為一個影響因子引入其中，首先根據現(xiàn)有的潛在狄利克雷分布模型計算出微博集數(shù)據集合的主題分布,從而將用戶個體的動態(tài)興趣度計算出來；其次，由于用戶之間可能形成具有相同興趣愛好的群體，即可以通過用戶之間的互動頻率和相似度，計算出用戶集合體之間的興趣度，

3、即用戶興趣的相對穩(wěn)定性；再次,將用戶個體的興趣和用戶興趣集合體的興趣進行加權,就可以獲得更加準確的微博用戶對于微博主題的興趣度；最后，給出一條新的微博，根據其主題分布，以及新的微博用戶對主題的興趣度，即可計算出加權動態(tài)興趣度。進而，逐一計算出用戶的加權動態(tài)興趣度，利用興趣度遞減的算法，對所得興趣度進行排序，最終將TOP-N個微博推薦給用戶，從而實現(xiàn)精準推薦。
　　論文從模型推薦的總體精度、推薦的時間精度和不同權值對模型的影響這幾個