一種基于用戶傾向的微博好友推薦算法.pdf

1、隨著社交網(wǎng)絡(luò)的規(guī)模逐漸擴(kuò)大,用戶量和信息量呈爆炸式增長(zhǎng),微博的發(fā)展則是一個(gè)很好的例證。然而,隨著數(shù)據(jù)量的增大,用戶要在海量信息中找到感興趣的目標(biāo)則變得越來(lái)越困難。因此,微博都擁有各自的個(gè)性化推薦系統(tǒng)。在微博上,用戶的關(guān)注用戶是用戶獲取信息的主要渠道,在海量用戶中,沒有好的推薦,很難找到合適的用戶進(jìn)行關(guān)注。好友推薦系統(tǒng)也因此成為微博上不可或缺的模塊之一。
　　本文研究一種基于用戶傾向的微博好友推薦算法。首先對(duì)現(xiàn)有推薦算法進(jìn)行總結(jié),發(fā)

2、現(xiàn)在推薦問(wèn)題上,推薦算法若要產(chǎn)生推薦結(jié)果,則必須評(píng)估推薦用戶和推薦目標(biāo)的相似度,以此產(chǎn)生前 K個(gè)相似度最高的推薦目標(biāo)。其次提出微博好友推薦系統(tǒng)中相似度模型的概念,同時(shí)分析微博上好友關(guān)系的特點(diǎn),解釋傳統(tǒng)的推薦算法在相似度模型上存在的問(wèn)題,即傳統(tǒng)算法并沒有根據(jù)微博上用戶傾向進(jìn)行推薦。再次,提出基于用戶傾向的相似度模型,用該模型去擬合用戶在微博上的可能關(guān)注用戶的傾向性,把微博上的好友關(guān)系歸結(jié)為交際關(guān)系和興趣關(guān)系,基于此模型設(shè)計(jì)并實(shí)現(xiàn)了基于用戶

3、傾向的微博好友推薦算法。最后將用戶在微博上的行為信任機(jī)制應(yīng)用于推薦算法中,即用戶的行為會(huì)在某一程度上受到其好友行為的影響,把基于行為傾向的相似度模型評(píng)估結(jié)果在每個(gè)用戶節(jié)點(diǎn)中進(jìn)行傳播——節(jié)點(diǎn)傳播,得到最終的好友推薦結(jié)果。
　　實(shí)驗(yàn)結(jié)果表明,基于用戶傾向的相似度模型,可以為用戶在微博上的行為特征做出解釋,即用戶在微博上建立關(guān)系的行為是有一定傾向性的?；谟脩魞A向性相似度模型的好友推薦算法的性能在準(zhǔn)確率和召回率上比傳統(tǒng)的推薦算法也有了一