[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。
