基于社交網(wǎng)絡(luò)的數(shù)據(jù)過(guò)濾與數(shù)據(jù)推送.pdf

1、隨著Web2.0時(shí)代的到來(lái)，各類網(wǎng)絡(luò)技術(shù)迅猛發(fā)展，計(jì)算機(jī)模擬人類思維能力不斷提高，各類工業(yè)和生活應(yīng)用大量涌現(xiàn)。這也導(dǎo)致了龐大的歷史數(shù)據(jù)堆積，人類已經(jīng)從信息匱乏時(shí)代過(guò)渡到信息過(guò)載時(shí)代。面對(duì)巨大的、無(wú)序的 Internet空間，傳統(tǒng)的信息搜索方式已經(jīng)不能滿足人們?nèi)找嬖鲩L(zhǎng)的信息需求。如何利用計(jì)算機(jī)從海量數(shù)據(jù)中快速高效地找出潛在的、有價(jià)值的信息，成為了人們關(guān)注的熱點(diǎn)話題。目前，推薦系統(tǒng)的發(fā)展能幫助用戶方便、快捷地定位所需信息，而對(duì)用戶進(jìn)行興趣分

2、析正是其中的關(guān)鍵。社交網(wǎng)絡(luò)的迅速崛起為我們分析用戶興趣提供了一個(gè)嶄新的內(nèi)容全面且豐富的數(shù)據(jù)來(lái)源。因此，社交網(wǎng)絡(luò)成為了當(dāng)前國(guó)內(nèi)外學(xué)者研究的重要內(nèi)容。
　　另外，在過(guò)去的一段時(shí)間里，信息處理技術(shù)不斷走向成熟。其中文本相似性計(jì)算也有了長(zhǎng)足的發(fā)展，被廣泛應(yīng)用于文獻(xiàn)檢索、文本分類和機(jī)器翻譯等領(lǐng)域。一些學(xué)者對(duì)中文文本分詞方法、特征值提取方法和文本相似性判別算法進(jìn)行改進(jìn)，并取得了一定成果。但是這些方法大都是針對(duì)特定領(lǐng)域的具體應(yīng)用而言，適用范圍較

3、小。受中文語(yǔ)言特點(diǎn)的限制，現(xiàn)有算法一般只適用于某一領(lǐng)域，而在另一領(lǐng)域的適用性往往較差，新的應(yīng)用還需要研究新的算法才能解決。
　　本文基于微博，對(duì)利用微博獲取用戶興趣并進(jìn)行個(gè)性化推薦的方法展開了研究和探索。相較于目前的研究工作，本文主要存在以下三方面的不同。首先，考慮到當(dāng)前針對(duì)中文語(yǔ)言的信息處理算法中存在的不足，提出將提取多特征屬性的文本相似性判別思想運(yùn)用到微博文本中，通過(guò)多角度的提取詞條特征項(xiàng)，來(lái)提高文本表示的準(zhǔn)確性，并減少文本語(yǔ)

4、義信息量的損失。其次，使用外部語(yǔ)料庫(kù)來(lái)確定用戶興趣分類，并以此來(lái)豐富微博語(yǔ)義、克服因微博內(nèi)容簡(jiǎn)短而帶來(lái)的主題模型數(shù)目不易確定的問(wèn)題。此外，受Ebbinghaus遺忘曲線的啟發(fā)，我們認(rèn)為人類的興趣并不總是一成不變的，在傳統(tǒng)基于內(nèi)容的推薦算法的基礎(chǔ)上，提出基于時(shí)間權(quán)重函數(shù)的個(gè)性化推薦算法，用以剔除用戶過(guò)期興趣，并區(qū)分實(shí)時(shí)興趣。最后，我們?cè)O(shè)置多組實(shí)驗(yàn)，經(jīng)對(duì)比發(fā)現(xiàn)，本文中提出的提取多特征屬性、應(yīng)用外部語(yǔ)料庫(kù)來(lái)進(jìn)行用戶興趣分類和考慮用戶興趣隨時(shí)間