基于異源數(shù)據(jù)的微博好友推薦.pdf

1、在互聯(lián)網(wǎng)時(shí)代，微博作為一種全新的社會(huì)化媒體，對人們?nèi)粘Ｉ畹挠绊懺絹碓酱?。然而隨著微博爆炸式的增長，商業(yè)級的微博系統(tǒng)通常都具有大量的用戶和多樣化的信息。如何從海量的微博信息中，給每個(gè)用戶提供其感興趣的信息，就顯得至關(guān)重要。
　　 目前在個(gè)性化推薦領(lǐng)域，傳統(tǒng)的商品推薦研究比較成熟，微博好友推薦相關(guān)的研究卻較少，已有的微博好友推薦技術(shù)幾乎都是基于單一數(shù)據(jù)源，推薦效果非常有限。本文在國內(nèi)外相關(guān)研究的基礎(chǔ)上，針對微博系統(tǒng)信息源多樣化的特

2、點(diǎn)，提出了適合微博好友推薦的算法模型。
　　 本文首先對傳統(tǒng)電子商務(wù)領(lǐng)域中的推薦技術(shù)進(jìn)行了研究，闡述了協(xié)同過濾類的技術(shù)，包括基于鄰居的協(xié)同過濾和基于模型的協(xié)同過濾。然后對目前已有的兩類微博好友推薦技術(shù)進(jìn)行了研究，包括基于社交拓?fù)浣Y(jié)構(gòu)的推薦和基于微博內(nèi)容的推薦。
　　 本文重點(diǎn)闡述了協(xié)同過濾類技術(shù)中的潛在因子模型及各種變種，在此基礎(chǔ)上，提出了能夠整合多種數(shù)據(jù)源特征的推薦算法模型GLFM，并用該模型模擬了各種潛在因子模型?；?/p>