学位论文 > 优秀研究生学位论文题录展示
基于统计的个性化微博信息与用户推荐
作 者: 罗磊
导 师: 张宇
学 校: 哈尔滨工业大学
专 业: 计算机科学与技术
关键词: 推荐系统 社交网络 协同过滤 集成学习
分类号: TP393.092
类 型: 硕士论文
年 份: 2012年
下 载: 89次
引 用: 0次
阅 读: 论文下载
内容摘要
近年来,随着互联网的蓬勃发展,特别是伴随着社交网络的兴起,人们发现互联网上开始出现了信息过载的现象,过多的信息不会帮助人们更容易发现信息,而是变得更加困难,人们无法从大量信息中发现哪些是重要的,哪些是可选的,而社交网络是个自媒体的网络应用,任何人、任何时间都可以在上面发布信息,显然增加了信息过载的程度。基于统计的个性化微博信息与用户推荐目的是利用统计机器学习的方法为用户建立个性化的模型,目的是帮助用户避免信息过载的问题,在社交网络中发现并找到适合用户的微博信息以及需要关注的微博好友,这种推荐技术对社交网络网站提升用户体验也是非常重要的,同时,推荐系统和社交网络是当前的两个热点研究领域,我们相信在社交网络媒体中的推荐系统研究也具有重要意义。本文的主要研究内容分为基于微博的信息推荐以及基于微博的好友推荐两个部分。基于微博的信息推荐部分,我们提出了对微博平台上的文本内容对用户进行个性化推送的任务,进而结合微博平台自身的特点提出了我们的解决方法,对使用的特征进行了分析,并通过实验证明了方法的有效性。在微博好友推荐部分,我们希望通过对微博用户推荐适合的好友,让微博用户能够选择合适的好友进而能够达到信息过滤的效果,本文提出了基于协同过滤,启发式,链接预测,主题模型等多种方法进行微博人物推荐的实验与分析,最后为了提升人物推荐的预测精度利用多模型的优势,本文通过使用集成学习的方法进行了基于多模型的合并工作,并最终取得了效果上的进一步提升。本文通过实验证明了本文提出的信息和用户推荐方法的有效性,在信息推荐中我们的召回率达到0.49,在用户推荐中我们考察了各种推荐算法的指标,并通过集成学习进一步提升了性能。
|
全文目录
摘要 4-5 Abstract 5-7 目录 7-9 第1章 绪论 9-16 1.1 课题来源及研究的目的和意义 9-10 1.2 国内外相关研究 10-13 1.3 本文的研究内容 13-15 1.3.1 个性化的微博内容推荐 13-14 1.3.2 个性化的微博好友推荐 14-15 1.4 本章小结 15-16 第2章 基于微博的个性化内容推荐方法研究 16-30 2.1 引言 16-17 2.2 微博信息推荐数据集合 17-18 2.3 微博信息推荐模型方法 18-21 2.4 微博信息推荐特征分析 21-23 2.5 微博信息推荐模型的训练 23-24 2.6 实验与结果分析 24-29 2.6.1 评价方法 24 2.6.2 Baseline 模型 24-25 2.6.3 性能指标分析 25-26 2.6.4 特征选择分析 26-27 2.6.5 Profile 和训练数据集合大小的影响 27-29 2.7 本章小结 29-30 第3章 基于协同过滤的微博人物推荐方法研究 30-46 3.1 引言 30 3.2 微博人物推荐的数据集合 30-32 3.3 基于协同过滤的微博任务推荐方法 32-41 3.3.1 基于近邻的协同过滤推荐方法 33-37 3.3.2 基于矩阵分解的协同过滤推荐方法 37-41 3.4 实验及结果分析 41-45 3.4.1 实验结果评价 41 3.4.2 基于近邻的推荐性能指标分析 41-43 3.4.3 基于矩阵分解的推荐性能指标分析 43-45 3.5 本章小结 45-46 第4章 基于多特征融合的微博人物推荐方法研究 46-58 4.1 引言 46 4.2 多特征分析 46-52 4.2.1 启发式方法 47-49 4.2.2 链接预测方法 49-50 4.2.3 主题模型方法 50-52 4.3 基于 Gradient Boosting 的多特征融合 52-54 4.4 实验结果及分析 54-57 4.4.1 实验数据以及评价算法 54-55 4.4.2 实验结果以及分析 55-57 4.5 本章小结 57-58 结论 58-60 参考文献 60-65 致谢 65
|
相似论文
- 基于复杂网络特征的SNS社交网站传播特征研究,G206
- 基于论文关键词聚类的用户兴趣模型细化方法研究,TP391.3
- 基于自然遗忘的个性化推荐算法研究,TP311.52
- 基于大众标注的个性化推荐系统研究,TP393.09
- 协同过滤推荐系统中关键问题研究与实现,TP311.52
- 能力导向终身学习个性化推荐系统学习者模型构建,G720
- 面向终身学习的能力导向个性化推荐系统中资源的建设与共享机制研究,G720
- 面向电子商务的Web数据挖掘应用研究,TP311.13
- 改进的协同过滤算法在推荐系统中的研究,TP391.3
- 社交网络中个人信息与人际关系的隐私保护研究,TP393.08
- 农业知识推送模型及向量特征项提取算法研究,F320.1
- 电子商务个性化推荐系统的研究,F713.36
- 终身学习个性化推荐系统中学习者个人能力发展研究,G77
- Web数据挖掘在网上书店个性化推荐系统中的应用研究,TP391.3
- 现代远程教育系统个性化推荐算法研究,TP391.6
- SNS用户信息披露及影响因素研究,F224
- 基于协同过滤的酒店推荐系统研究与实现,TP391.3
- 基于用户行为数据分析的移动互联业务推荐模型,TP311.13
- 城市公交系统存储转发网络的研究,TN929.5
- 基于协同过滤的电子商务个性化推荐系统的研究与实现,TP311.52
- 基于Petri网的推荐系统的研究与分析,TP391.3
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络应用程序 > 网络浏览器
© 2012 www.xueweilunwen.com
|