本科毕业论文--基于复合关系网络的新型微博靶向推荐技术研究

专业:计算机科学与技术
学生:曾丹 指导老师:朱敏

[摘要]随着网络技术的飞速发展,微博迅速成为在线交友、信息传播及获取的重要平台。为了从海量微博信息中挖掘出用户感兴趣的内容,避免信息过载,推荐技术应运而生。传统微博推荐技术利用社交关系网络,结合用户个人历史数据进行推荐。这种推荐存在两个问题:
1)推荐精准度不高,往往不能发现用户潜在感兴趣的内容;
2)在交互过程中,用户只能被动接受传统推荐返回的推荐结果。

针对传统推荐方式存在的两个问题,本文提出一种基于复合关系网络的“靶向推荐”的推送模式。首先将基于好友关系的社交网络和基于兴趣的关系网络相结合,通过参数训练得到复合关系网络,该网络能更为准确地反应用户社交关系和实际兴趣。然后基于该网络,运用RankItem算法对推荐项集进行排序,得出推荐结果,进而依据该结果设计一种用户友好的交互模式,使资源需求者可以直接和资源拥有者进行沟通以实现资源共享,并能实现资源拥有者主动的选择对象进行推荐。

围绕这一思想,论文主要完成了以下工作:构建了用户基础关系层次评分模型,完成对基于好友的社交网络的衡量;构建了用户兴趣评分模型,完成对用户兴趣关系网络的衡量;对复合关系网络进行研究,提出用户实际推荐模型;在此模型基础上,提出RankItem排序算法实现推荐。论文的最后,借助腾讯微博开放平台提供的真实数据集进行实验,利用训练集反复训练模型,利用测试集验证模型的有效性及推荐的高效性。

论文研究结果表明:基于复合关系网络的靶向推荐模式,能较好地克服传统推荐方式的弊端,有助于提高用户社交体验,拓展用户社交宽度。

[主题词]复合关系网络;靶向推荐;推荐系统;RankItem算法;主动推荐模式

[成果出处]四川大学计算机学院视觉计算实验室(www.scuvis.org

原文请自行联系作者索取。

c_4-1

c_5

c_6

c_7

c_8

c_10