基于動態(tài)自適應權重的個性化微博推薦系統(tǒng)研究.pdf

1、作為一種通過關注機制分享簡短實時信息的廣播式社交網絡平臺，微博已經成為人們交流和獲取信息的重要渠道。用戶關注列表中好友發(fā)布的微博是用戶獲得的信息主要來源，但隨著微博用戶規(guī)模和活躍用戶數(shù)量的不斷增長，用戶的關注列表變得越來越稠密，從而導致用戶可能面臨信息過載的問題。如何從繁多的信息流中挖掘出對用戶有價值的微博是提高微博用戶服務質量的關鍵問題。
　　本文研究了現(xiàn)有的微博推薦方法，在充分利用現(xiàn)有的方法基礎上，結合實際應用場景，將微博個性

2、化推薦問題轉化為對用戶接受到的微博信息重排序的問題。首先本文通過會話劃分，確定了推薦范圍;接著基于用戶偏好、微博內容、發(fā)布者權威三種維度構建了多個微博特征;然后提出了動態(tài)自適應(dynamicself-adaptive feature weighting，DAFW)的權重融合方法，在實驗驗證其推薦有效性的基礎上，最后設計了實時個性化微博推薦系統(tǒng)。本文的工作成果主要有以下幾個方面:
　　(1)本文建立了一套較為完備的微博語料處理方案

3、，基于處理過的微博語料訓練通用主題模型，再采用吉布斯采樣(Gibbs Sampling)從通用主題模型中抽取出目標文本的主題分布，從而解決了短文本主題建模難的問題。
　　(2)本文抽取用戶轉發(fā)過的但非其關注的博主，將其發(fā)布的微博作為待推薦內容不足情況下的補充，使得用戶不用通過關注機制也可以接收到感興趣的微博。
　　(3)本文基于用戶偏好、微博內容、發(fā)布者權威三種維度構建了十個微博特征，其中包括了很多分析特征，如微博熱度、交互

4、TF-IDF等，這些特征的加入，能夠明顯的提高推薦質量。
　　(4)為解決多指標融合問題，本文將信息熵引入到權重調整環(huán)節(jié)，主要根據每一個特征值變異性大小來確定客觀權重，并結合均值及參數(shù)得到排序函數(shù)，實驗證明了本文方法的有效性。
　　(5)研究并設計了實時推薦系統(tǒng)，將本文的理論研究成果應用到實際生活中，從而創(chuàng)造價值。
　　本文工作能夠有效的處理社交網絡時代普遍存在的信息過載問題。用戶能夠花更少的時間捕捉到朋友圈中比較有特