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)絡的規(guī)模逐漸擴大,用戶量和信息量呈爆炸式增長,微博的發(fā)展則是一個很好的例證。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則變得越來越困難。因此,微博都擁有各自的個性化推薦系統(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。首先對現(xiàn)有推薦算法進行總結(jié),發(fā)

2、現(xiàn)在推薦問題上,推薦算法若要產(chǎn)生推薦結(jié)果,則必須評估推薦用戶和推薦目標的相似度,以此產(chǎn)生前 K個相似度最高的推薦目標。其次提出微博好友推薦系統(tǒng)中相似度模型的概念,同時分析微博上好友關(guān)系的特點,解釋傳統(tǒng)的推薦算法在相似度模型上存在的問題,即傳統(tǒng)算法并沒有根據(jù)微博上用戶傾向進行推薦。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)計并實現(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制應用于推薦算法中,即用戶的行為會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估結(jié)果在每個用戶節(jié)點中進行傳播——節(jié)點傳播,得到最終的好友推薦結(jié)果。
　　實驗結(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。基于用戶傾向性相似度模型的好友推薦算法的性能在準確率和召回率上比傳統(tǒng)的推薦算法也有了一