微博用户兴趣发现与用户推荐研究

摘要

微博作为一种独特的社交网络，通过它可以充分表达自己的思想，展示自己的才能。并以其入门简单、使用便捷、内容多样性、信息传播时效性快等特点，在较短的时间内吸引了大量的用户，获得了飞速的发展。大量的用户产生了海量的微博数据，这些微博数据中包含着用户的兴趣;同时用户间也在不断地“关注”和“被关注”。通过对微博数据进行研究和分析，有效发现用户的兴趣，并为用户推荐其感兴趣的用户，对改善用户体验、促进社交网络的长远发展具有十分重要的意义和价值。
　　在微博用户兴趣发现的研究过程中，本文不仅挖掘用户自身微博数据来识别用户兴趣，而且进一步挖掘其关注用户的微博数据以及他们之间的社交联系，并通过计算用户微博与其关注用户兴趣的相似度以及用户与其关注用户间的亲密度，来进一步发现用户兴趣。最后将从两方面发现的兴趣进行合并，得出用户的兴趣，并基于新浪微博数据，通过实验证明了该方法的有效性。在微博用户推荐研究过程中，本文综合考虑了用户及其关注用户的微博，提取了能够充分反映微博用户之间相关性的多个特征，从而能够更加全面的反映微博内容的相似性。在此基础上，将多种特征结合起来，通过逻辑回归模型对潜在的用户进行评分排序，为目标用户推荐前N个潜在用户。
　　本文基于数据堂下载的新浪微博数据集和自行爬取的新浪微博数据集进行实验。实验结果表明，用户兴趣发现及用户推荐的准确率和召回率较传统的方法均有较大提高。由此表明，本文提出的微博用户兴趣发现与用户推荐方法优于传统方法，能够更加准确的发现用户兴趣和有效的进行用户推荐。

目录

声明

摘要

第1章 绪论

1．1 微博及其特点

1．2 研究背景和意义

1．3 国内外研究现状

1．3．1 国内外微博用户兴趣研究现状

1．3．2 国内外微博用户推荐研究现状

1．4 本文研究内容

1．4．1 微博用户兴趣发现

1．4．2 个性化微博用户推荐

1．5 论文组织结构

1．6 本章小结

第2章 相关技术介绍

2．1 中文分词

2．2 主题模型

2．3 协同过滤推荐

2．4 本章小结

第3章 微博用户兴趣发现

3．1 概述

3．2 基于自身微博内容的兴趣发现

3．2．1 微博内容的预处理

3．2．2 兴趣关键词提取

3．3 基于关注用户微博信息的兴趣发现

3．3．1 内容相似度Simu，v，i

3．3．2 亲密度Fuv

3．4 用户微博和关注用户微博的用户兴趣发现

3．5 实验与结果分析

3．5．1 实验环境

3．5．2 实验数据集

3．5．3 实验评价方法

3．5．4 实验结果与分析

3．6 本章小结

第4章 个性化微博用户推荐

4．1 基于微博内容的用户推荐(UC)

4．2 基于标签的用户推荐(UT)

4．3 基于社交圈的用户推荐(USN)

4．3．1 用户粉丝贡献度

4．3．2 关注用户贡献度

4．3．3 用户社交圈相似性(SimUSN(u，v))

4．4 用户个人信息

4．4．1 用户地区(UD)

4．4．2 用户性别(US)

4．4．3 用户个人信息相似度(PI)

4．5 基于逻辑回归的多特征融合推荐模型

4．6 实验与结果分析

4．6．1 实验环境

4．6．2 实验数据采集

4．6．3 数据预处理

4．6．4 实验评价指标

4．6．5 实验结果与分析

4．7 本章小结

第5章 工作总结与展望

5．1 工作总结

5．2 工作展望

致谢

参考文献

个人简历 在学期间发表的学术论文及研究成果