基于博主综合影响力排序的微博文本流在线推荐技术

摘要

信息推荐技术是信息检索领域中的重要研究方向，随着在线社交网络服务的迅速普及，针对社交文本的推荐技术逐渐成为研究热点。由于微博文本普遍具有的时效特性，如何高效、及时的从海量的在线文本流中发现可推荐的信息是研究的难点。另一方面，社交服务中博主的影响力对于信息的推荐起到关键的作用，为了提高推荐的性能，结合高效、精准的影响力度量模型具有重要的意义。
　　本文主要研究了综合话题和时效性的博主影响力计算模型以及结合博主影响力特征进行微博文本流的在线推荐技术。在调研了微博文本推荐的研究背景和相关研究内容、方法的基础上，本文提出了一种基于词向量模型与检索领域经典的向量空间模型（VSM）相结合的文本语义相关性计算方法，用于对微博文本和用户感兴趣的查询话题进行分类。该方法利用维基百科语料库上基于深度学习方法训练得到的Word2Vec（词与高维向量的映射表示），较好的解决了文本中普遍存在的一词多义等问题，显著提高了短文本的分类性能；随后，提出了一种综合用户话题属性与博文时效特性的博主影响力度量算法，该方法利用了社交网络中制约用户影响力及传播活跃度的性质（称之为用户消极性），通过用户消极性与影响力之间的相互作用关系，结合用户影响力的话题属性和社交文本显著的时效性，计算得到用户在整个网络中的影响力。实验结果表明，考虑该特征的计算模型优于其它典型的度量算法如PageRank、TwitterRank等。最后，综合文本的相关度、博主的影响力以及其他相关的微博文本特征，基于排序学习模型，设计实现了一种在线的微博文本流推荐系统。并分析了系统各个模块的设计实现，包括博文分类检索、重要度评估排序以及博文推送等。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 主要研究内容

1.4 本文的组织结构

第二章 微博文本流在线推荐技术相关研究

2.1 微博文本推荐问题描述

2.2 文本特征扩展技术

2.3 微博文本相关度计算模型

2.4 微博文本检索模型

2.5 本章小结

第三章 基于词向量模型的短文本分类

3.1 话题关键词的构建

3.2 短文本语义相关度计算方法

3.3 基于词向量模型的短文本分类框架

3.4 实验分析

3.5 本章小结

第四章 综合博主影响力的文本重要度计算

4.1 微博文本特征分析

4.2 基于话题特征和时效性的影响力度量算法

4.3 实验分析

4.4 微博文本重要度评估

4.5 本章小结

第五章 基于排序学习模型的博文推荐系统应用与实现

5.1 基于排序学习模型的博文推荐系统设计

5.2 基于排序学习模型的博文推荐系统实现

5.3 本章小结

第六章 结束语

致谢

参考文献

作者在学期间取得的学术成果