基于用戶聚類和語義詞典的微博推薦系統(tǒng).pdf

1、微博作為信息分享和傳播的網(wǎng)絡(luò)平臺，近年來得到了廣泛的應(yīng)用。如何讓用戶在海量的微博中獲取到感興趣的微博內(nèi)容成為了微博平臺新的研究方向。目前的一些微博推薦系統(tǒng)大都針對用戶進行推薦，而對于微博平臺來說，由于微博文本長度較短，用戶興趣多樣，因此針對用戶的推薦效果并不理想。
　　 本文提出了針對于微博的推薦系統(tǒng)，用戶在瀏覽微博時可以訂閱感興趣的微博，系統(tǒng)將針對用戶訂閱的微博，結(jié)合用戶的興趣，推薦相關(guān)的微博。這樣的推薦一方面更有針對性，推薦

2、效果更好;另一方面也通過對于微博的推薦將類似的微博聚集起來形成了用戶所感興趣的話題。
　　 本文的推薦系統(tǒng)基于用戶聚類和短文本相似性算法實現(xiàn)。首先通過收集用戶過往所發(fā)表的微博為用戶建立興趣模型，在此基礎(chǔ)之上對用戶進行聚類。然后收集與當前用戶所在同一簇中的用戶所發(fā)表的微博，與用戶訂閱的微博進行相似度計算，將相似度較高的微博推薦給用戶。在聚類算法中，本文改進了K-Means算法，解決了K-Means算法對于初始中心選取的依賴性這一問