基于微博平臺(tái)的用戶推薦模型研究.pdf

1、隨著Web2.0時(shí)代的到來(lái),諸如Twitter,新浪微博等微博系統(tǒng)受到了越來(lái)越多的用戶的青睞。不同于傳統(tǒng)的社交網(wǎng)絡(luò),微博系統(tǒng)所提供的最為基本也是最具特征的服務(wù)便是為每個(gè)用戶根據(jù)個(gè)人喜好發(fā)布各自的微博短消息提供平臺(tái)。每個(gè)用戶的主頁(yè)面上都會(huì)按照時(shí)間先后順序顯示其所有關(guān)注對(duì)象所發(fā)布的微博信息。因此,為用戶推薦最相關(guān)的關(guān)注對(duì)象,從而使他們能夠最大程度地受益于其關(guān)注對(duì)象所發(fā)布的微博信息之于微博推薦是一個(gè)十分重要的問(wèn)題。然而,微博系統(tǒng)的用戶數(shù)量是極

2、為龐大的,在如此大規(guī)模的社區(qū)中為每一個(gè)用戶推薦最相關(guān)的關(guān)注對(duì)象是一個(gè)充滿挑戰(zhàn)的研究。
　　針對(duì)微博系統(tǒng)社交特性與媒體特性并重這一獨(dú)特性質(zhì),提出了一種基于挖掘用戶之間潛在交互信息的推薦模型NDCG-LFM,該模型同時(shí)考慮了用戶的微博內(nèi)容信息和社交關(guān)系信息。此外,由于傳統(tǒng)的潛在因子模型的目標(biāo)函數(shù)不能很好地解決top-k推薦的問(wèn)題,NDCG-LFM模型提出了一種新的評(píng)價(jià)指標(biāo)作為參數(shù)優(yōu)化的目標(biāo)函數(shù)。針對(duì)新目標(biāo)函數(shù)中用戶的排序值變化不連續(xù)性