基于标签协同过滤算法在微博推荐中的研究

摘要

随着Web2.0技术的蓬勃发展，全球互联网进入网络交互时代。微博的诞生和发展，给互联网信息的传播方式，以及用户的生活都带来巨大的影响。用户可以运用微博平台收听感兴趣的、贴近生活的、专业领域的话题。微博逐渐成为用户间信息交流，信息分享以及信息传播的主要平台。随着微博用户的上升，微博信息成倍地增长。而微博信息总是伴随着微博用户而存在，在众多微博用户中寻找到与自己有共同兴趣爱好的用户，也就找到了想要获得的信息。因此，为微博用户推荐具有共同兴趣爱好的好友，就成为本文研究的重点。
　　本文对目前已有的社会网络好友推荐算法进行深入研究，通过总结学习推荐算法的理论知识，结合微博用户好友特点，提出一种基于关联规则和标签的个性化好友推荐算法，推荐与目标用户最相似的用户为其好友。首先，对微博中好友推荐的相关概念进行定义，并介绍好友推荐系统实现流程；其次，提出基于关联规则算法计算用户间共同好友关系的方法，然后又提出基于标签相似度算法计算用户间相似性的方法；最后，结合共同好友关系和标签相似性两个推荐因素，推导出基于个性化好友推荐的计算方法。
　　在文章最后的实验部分，先设计实现了微博个性化好友推荐系统，为算法的性能测试提供实验平台支持。然后利用好友推荐系统，进行两部分实验，分别为权重值实验测试和算法性能实验测试。其中，权重值实验结果表明，当权重值为0.6时，个性化好友推荐算法达到最优。最后，通过与现有的三种好友算法进行比较，得出个性化好友推荐算法的优化性，表明相结合的个性化好友推荐算法是有效的，且在准确率和查全率上优于同类的好友推荐算法。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1 课题研究背景

1.2 微博的概述

1.3 国内外研究现状

1.4 课题的主要工作

1.5 论文的组织和结构

2推荐算法关键技术概述

2.1关联规则技术概述

2.2协同过滤推荐技术概述

2.3标签系统

2.4社交网络好友推荐算法概述

2.5本章小结

3微博个性化好友推荐算法思想和框架

3.1微博好友推荐分析

3.2微博好友推荐系统框架

3.3 本章小结

4基于关联规则和标签的个性化好友推荐算法

4.1个性化好友推荐算法流程

4.2关联规则算出共同好友

4.3 标签协同过滤算出相似用户

4.4个性化好友推荐算法实现

4.5 本章小结

5实验结果与分析

5.1实验环境

5.2实验数据集

5.3实验评价指标

5.4实验系统设计与实现

5.5实验结果和分析

5.6本章小结

结 论

参考文献

在学研究成果

致谢