检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于微博用户兴趣话题的相似用户挖掘

计算机工程与应用 2019年第11期55卷 102-109页

作者：李鹏飞董旭仲兆满李存华中国矿业大学计算机科学与技术学院江苏徐州221000 淮海工学院计算机工程学院江苏连云港222005 江苏金鸽网络科技有限公司软件研发中心江苏连云港222005

相似用户挖掘是提高社交网络服务质量的重要途径,在面向大数据的社交网络时代,准确的相似用户挖掘对于用户和互联网企业等都有重要的意义,而根据用户自己的兴趣话题挖掘的相似用户更符合相似用户的要求。提出了一种基于用户兴趣话题进... 详细信息

相似用户挖掘是提高社交网络服务质量的重要途径,在面向大数据的社交网络时代,准确的相似用户挖掘对于用户和互联网企业等都有重要的意义,而根据用户自己的兴趣话题挖掘的相似用户更符合相似用户的要求。提出了一种基于用户兴趣话题进行相似用户挖掘的方法。该方法首先使用TextRank话题提取方法对用户进行兴趣话题提取,再对用户发表内容进行训练,计算出所有词之间的相似度。提出CP(Corresponding Position similarity)、CPW(Corresponding Position Weighted similarity)、AP(All Position similarity)、APW(All Position Weighted similarity)四种用户兴趣话题词相似度计算方法,通过用户和相似用户间关注、粉丝重合率验证相似用户挖掘效果,APW similarity的相似用户的关注/粉丝重合百分比为1.687%,优于提出的其他三种算法,分别提高了26.3%、2.8%、12.4%,并且比传统的文本相似度方法 Jaccard相似度、编辑距离算法、余弦相似度分别提高了20.4%、21.2%、45.0%。因此APW方法可以更加有效地挖掘出用户的相似用户。

关键词：微博相似用户兴趣话题文本训练用户挖掘

融合相似用户和信任关系的动态反馈协同过滤推荐算法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

福州大学学报（自然科学版） 2017年第1期45卷 25-31页

作者：高董英邓新国肖如良福州大学数学与计算机科学学院福建福州350116 福建师范大学软件学院福建福州350007

为了克服推荐算法的静态性缺点,提出融合相似用户和信任关系的动态反馈协同过滤推荐算法.该算法用动态因子融合相似用户和信任关系,动态因子初始取随机数,根据用户反馈和系统预测的误差建立正负反馈机制.按照反馈类型,选择增值或衰减函... 详细信息

为了克服推荐算法的静态性缺点,提出融合相似用户和信任关系的动态反馈协同过滤推荐算法.该算法用动态因子融合相似用户和信任关系,动态因子初始取随机数,根据用户反馈和系统预测的误差建立正负反馈机制.按照反馈类型,选择增值或衰减函数适当调整动态因子,以便系统更好预测用户评分.在真实数据集Epinions上的实验表明,采用正负反馈的动态融合算法,不仅克服了静态性缺点,而且较基于相似用户或者信任关系的推荐进一步提高了推荐准确率.

关键词：协同过滤推荐相似用户信任关系动态融合

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向在线微博网络的相似用户发现方法研究

面向在线微博网络的相似用户发现方法研究

作者：郁启麟中国矿业大学

学位级别：硕士

随着互联网的盛行,主流的在线社交媒体取得了突飞猛进的发展,而微博在这些在线社交媒体中表现出了更加突出的发展态势。微博已经吸引了海量的用户,人们在微博上分享自己的观点、爱好、思想等信息,微博对社会的发展产生了巨大的影响。近... 详细信息

随着互联网的盛行,主流的在线社交媒体取得了突飞猛进的发展,而微博在这些在线社交媒体中表现出了更加突出的发展态势。微博已经吸引了海量的用户,人们在微博上分享自己的观点、爱好、思想等信息,微博对社会的发展产生了巨大的影响。近年来国内外研究者基于在线社交媒体数据做了全方位的研究,如社区发现、商品推荐、相似用户推荐等。本文面向微博,开展微博用户个体的话题挖掘和相似用户挖掘的理论和方法研究。具体的研究内容包括如下三个方面:(1)根据微博动态社交的特点,以时间片划分用户的微博信息,挖掘用户的动态话题,该方法可以更好地体现微博用户话题的动态性,可以使相似用户的挖掘结果更加精准。(2)在全面分析微博网络用户特点的基础上,从三个方面计算用户之间的相似度:(1)用户背景属性的相似度;(2)用户动态话题的相似度;(3)用户社交关系的相似度。分别计算出三个方面的相似度后,最后通过加权的方式计算出两个微博用户的相似度,最后计算出特定用户与爬取出的微博用户集的相似度,根据相似度的大小生成降序排名队列,将排名靠前的Top-k个用户推荐给特定用户。(3)为了更加直观的展示并实现本文的研究成果,本文根据前两部分研究内容,设计并实现了基于微博的相似用户挖掘的原型系统,该原型系统主要包括动态话题挖掘以及相似用户挖掘等功能。本文涉及的研究内容,能够帮助用户发现相似用户可以使用户拓宽自己的人际关系,寻找到自己更感兴趣的话题,使其发现自身在社会网络中扮演的角色,可以为社区的发现做数据的支撑。

关键词：微博话题有意义串相似用户原型系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于信任度评估的社交网络用户相似性研究

基于信任度评估的社交网络用户相似性研究

作者：李梦洁南京邮电大学

学位级别：硕士

信息时代里的社交媒体服务掀起了二十一世纪初期的一场科技革命,层出不穷的社交媒体应用和其巨大的市场潜力引发创业狂潮。这些应用让生活在地球不同角落的人们通过互联网联系在一起,交际成本从几万公尺缩短到分秒之间。让用户可以在茫... 详细信息

信息时代里的社交媒体服务掀起了二十一世纪初期的一场科技革命,层出不穷的社交媒体应用和其巨大的市场潜力引发创业狂潮。这些应用让生活在地球不同角落的人们通过互联网联系在一起,交际成本从几万公尺缩短到分秒之间。让用户可以在茫茫人海中找到志同道合的人,并且能够准确、高效地寻觅到他感兴趣的信息是很必要的。现有的社交网络用户相似度算法通常涉及发布内容、用户信息以及用户间交互关系等多个因素,但大都忽略了用户之间的信任程度对所得相似用户价值的影响。本文对社交网络中用户信任情况提出RI-Rrust模型,从初始信任度以及熟悉性信任度两个维度对用户之间的信任关系进行评估,使用0到1的连续值描述用户之间的信任程度,并引入声誉信任度来处理冷启动问题。在用户相似度的分析中,对文本相似度这一重要指标提出基于关键词相似度的交叉匹配的策略,对文本进行去噪、分词及去除停用词的预处理后,使用TF-IDF将文本映射到向量空间,采用基于同义词词林的语义分析法对分词后的关键词进行交叉计算相似度,该方法能够忽略微博文本中词序、句法和整体语义的影响,可以更高效地分析博文之间的相似程度。使用层次分析法对多个相似度指标进行权重分析并综合评价。最后,提出基于信任度评估的用户相似性算法,通过在相似度计算中引入信任因子,提高了用户相似度的可靠性,筛选掉大量沉默用户及垃圾用户,获得更加有推荐价值的相似用户。我们使用社交网站真实用户数据设计实验,系统性地对比了基于信任度评估的用户相似性计算方法与改进前的算法的准确率、召回率和F1度量值,从实验结果可以看出:引入了信任因子的相似用户算法得出的用户相似度的F1度量值与传统的相似用户算法相比提高了36.8%,说明了基于信任度评估的用户相似性算法的优越性。

关键词：社交网络信任度相似用户微博同义词

一种结合语义Web和用户信任网络的协同过滤推荐模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用研究 2014年第6期31卷 1714-1718页

作者：徐守坤孙德超李宁石林常州大学信息科学与工程学院江苏常州213164

协同过滤由于数据稀疏、冷启动等问题导致了相似用户发现变得困难,从而影响推荐结果的质量。为克服这一不足,提出一种以本体、语义Web为基础的方法,通过构建用户之间的信任网络以及计算用户间的信任权重值,从而增加系统中相似用户发现... 详细信息

协同过滤由于数据稀疏、冷启动等问题导致了相似用户发现变得困难,从而影响推荐结果的质量。为克服这一不足,提出一种以本体、语义Web为基础的方法,通过构建用户之间的信任网络以及计算用户间的信任权重值,从而增加系统中相似用户发现的数量,改善推荐结果的准确性、可靠性。实例证明,该方法能够帮助推荐系统发现更多的相似用户。

关键词：协同过滤本体语义Web 信任网络信任权重值相似用户

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

推荐系统中用户冷启动问题研究

推荐系统中用户冷启动问题研究

作者：刘坤兰州大学

学位级别：硕士

在数据时代,人们生活在一个信息过载的互联网空间中,面对海量的、重复的、有用的、无用的信息,人们很难从中选择自己感兴趣的东西。为了解决这个问题,学者们提出了推荐系统理论。推荐系统通过分析用户的兴趣爱好和需求,将用户感兴趣的... 详细信息

在数据时代,人们生活在一个信息过载的互联网空间中,面对海量的、重复的、有用的、无用的信息,人们很难从中选择自己感兴趣的东西。为了解决这个问题,学者们提出了推荐系统理论。推荐系统通过分析用户的兴趣爱好和需求,将用户感兴趣的产品、信息或者服务推荐给用户,从而有效地缓解了信息过载问题带来的影响。在推荐系统的研究历程中,协同过滤推荐、基于内容的推荐、基于知识的推荐和混合推荐等理论被相继提出。此外,为了更加有效地解决信息过载问题,学者们还在这些推荐理论的基础上不断创新,将数据挖掘、机器学习、深度学习等方法运用到推荐系统中。推荐系统的研究面临着诸多挑战,其中数据稀疏性、冷启动、大数据处理与增量计算、系统脆弱性是其面临的主要问题。冷启动问题分为非纯冷启动问题和纯冷启动问题,即刚加入系统的用户有较少的产品评价记录甚至没有。面对这些新用户,推荐系统可利用的他们的产品评价信息非常少或是没有,因此准确地给他们推荐产品变得极其困难。由于冷启动问题的不可避免性及其对推荐准确率造成的影响,为此,本文提出了两个新的推荐模型:NPBM和NDBM,分别用于解决非纯冷启动问题和纯冷启动问题。对于非纯冷启动问题,因为冷用户只有较少的产品评价记录,推荐系统很难准确地分析出他们的产品偏好,因此本文提出了结合机器学习方法的NPBM推荐模型用于降低该问题带来的影响。NPBM模型根据用户的产品评价信息准确地找到冷用户的最近邻,然后将这些最近邻用户喜欢的产品推荐给冷用户。对于纯冷启动问题,因为冷用户没有任何产品评价记录,推荐系统无法分析冷用户的产品偏好。为此,本文提出了基于人口统计学理论的NDBM推荐模型用于解决该问题。NDBM模型解决纯冷启动问题的思路是利用用户的人口统计学特征信息准确地找到冷用户的相似用户,然后将这些相似用户喜欢的产品推荐给冷用户。本文在真实的数据集上进行了模拟推荐实验,实验结果显示NPBM和NDBM模型面对冷启动问题仍然具有较高的推荐准确率,它们能有效地缓解冷启动问题带来的影响。

关键词：推荐系统冷启动问题冷用户相似用户机器学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于用户协同过滤推荐技术的研究与实现

基于用户协同过滤推荐技术的研究与实现

作者：郎鹏程宁夏大学

学位级别：硕士

随着网络信息的爆炸式增长,给信息的使用者带来了极大的困难。目前解决信息过载问题可通过一种信息过滤的方法即智能推荐技术。目前比较重要的几种推荐算法是基于协同过滤的推荐、基于内容的推荐和基于知识的推荐。基于协同过滤的推荐... 详细信息

随着网络信息的爆炸式增长,给信息的使用者带来了极大的困难。目前解决信息过载问题可通过一种信息过滤的方法即智能推荐技术。目前比较重要的几种推荐算法是基于协同过滤的推荐、基于内容的推荐和基于知识的推荐。基于协同过滤的推荐算法是基于用户对商品的评分或者购买收藏等行为模式来为用户提供个性化的推荐。基于用户协同过滤的推荐方法有几个关键步骤。一是计算相似度,相似度的计算可以根据情况不同选择不同的计算方法。常用的方法有Pearson相关系数法、余弦相似度法、Spearman法等。二是选择用户近邻,在选择时首先应该通过阈值过滤、负值过滤等方法过滤预选近邻,然后确定合适的用于预测的近邻数。最后本文在系统的需求下提出了一种带价格因子的改进型推荐策略,本推荐策略在计算相似度时引进了价格因子来权衡购买能力对用户相似度的影响,从而使相似用户群体和推荐列表更加匹配用户的购买能力。之后使用web技术对基于用户的协同过滤推荐系统进行了实现,实现了对酒品的管理、用户的管理、用户收藏的管理等前后端功能,用户在登录系统并表达兴趣后会获得系统为其推荐的酒品。

关键词：推荐技术协同过滤相似用户相似度

基于微博用户兴趣的个性化广告推荐系统的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于微博用户兴趣的个性化广告推荐系统的设计与实现

作者：李颖南京理工大学

学位级别：硕士

随着 Web 2.0时代的到来,一大批新兴的社交网络平台也应运而生。新浪微博凭借其传播性强和方便快捷的特点迅速吸引了大批用户,并成功跻身最受欢迎的社交软件行列。从微博用户的角度来说,微博是他们获取和分享信息的平台,找到最感兴趣的... 详细信息

随着 Web 2.0时代的到来,一大批新兴的社交网络平台也应运而生。新浪微博凭借其传播性强和方便快捷的特点迅速吸引了大批用户,并成功跻身最受欢迎的社交软件行列。从微博用户的角度来说,微博是他们获取和分享信息的平台,找到最感兴趣的信息是他们使用微博的目的;从微博商家的角度来说,微博是他们相互竞争,以盈利为目标进行广告营销的平台。对微博用户实现广告的精准投放从而使利益最大化是商家的目的所在。然而,目前微博平台已经呈现出“信息过载”的状态,所以如何从海量数据中提取有价值的信息对用户的兴趣进行准确定位,并基于定位结果为其推荐个性化的广告是本文的研究重点。针对目前微博平台存在的为用户推荐的广告不符合其需求而影响用户体验的问题,本文首先提出了一种基于交互链路的相似用户发现算法,该算法旨在为某用户寻找与其相似的用户集合,为个性化推荐奠定基础。并在此算法的基础上提出了一种微博用户兴趣挖掘算法,使用本文的相似用户发现算法得到的相似用户集合扩充目标用户的关注集合,基于扩充的关注集合中的用户信息挖掘用户兴趣,使微博用户兴趣的分析结果更加准确。本文的主要工作包含以下几个方面:(1)针对目前寻找相似用户的范围过于局限以及忽略用户间的间接交互所造成的推荐效果不理想的问题,本文提出了一种基于交互链路的相似用户发现算法。本算法使用微博交互链路中的相关用户扩充寻找相似用户的候选集,基于用户的四种基本属性计算用户间的基本信息相似度,并充分考虑了微博用户在链路上的间接交互关系对交互强度计算的影响。结合用户基本信息相似度和交互强度,得到最终的用户相似度。实验证明了本文提出的算法在相似用户发现上的有效性和可行性。(2)针对目前微博平台存在的对用户的真实兴趣定位不精准的问题,本文提出了一种微博用户兴趣挖掘算法。本算法使用本文的相似用户发现算法得到的相似用户集合扩充目标用户的关注集合,基于该集合中微博用户的微博认证信息和标签信息挖掘目标用户的长期兴趣,并通过分析目标用户自身的微博文本得到该用户的短期兴趣。融合微博用户的长期兴趣和短期兴趣,得到该用户的最终兴趣。实验证明了本文提出的微博用户兴趣挖掘算法在分析用户兴趣上的有效性和可行性。(3)基于上述两种算法,本文设计并实现了基于微博用户兴趣的个性化广告推荐系统。该系统包括数据采集、数据处理、用户兴趣挖掘、相似用户发现以及个性化广告推荐模块。综合本文提出的两种算法,能够有效地为目标用户进行个性化广告的推荐。

关键词：微博相似用户交互链路兴趣挖掘广告推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多异构社交网络用户关联研究

多异构社交网络用户关联研究

作者：李鹏飞中国矿业大学

学位级别：硕士

多异构社交网络用户匹配就是根据不同社会网络及其网络用户发布的信息,将用户关联起来,发现同一用户,在兴趣推荐、社区发现、特殊人员监控领域有着重要价值,并可以使社交网络的研究更进一步。本文面向中国社交网络的两个典型代表-新浪... 详细信息

多异构社交网络用户匹配就是根据不同社会网络及其网络用户发布的信息,将用户关联起来,发现同一用户,在兴趣推荐、社区发现、特殊人员监控领域有着重要价值,并可以使社交网络的研究更进一步。本文面向中国社交网络的两个典型代表-新浪微博和百度贴吧,开展社交网络用户的关联研究。具体的研究内容包括如下三个方面:(1)根据微博以及贴吧的特点,构建多异构社交网络关联研究所需的属性模型,包括基于用户背景属性、基于用户用户名属性、基于用户兴趣属性以及基于用户网络结构属性。通过发现可以用来计算相似度的属性,更好的计算不同社交网络中用户的相似性。(2)其次,针对不同的用户属性,本文构建基于属性特征的属性关联方法。基于背景属性的方法中,本文选择性别、年龄、所在地、教育背景四个属性来计算相似性。基于用户名属性的方法中,本文选择用户名长度特征、用户名特殊字符特征、用户名数字特征、用户名字符组合模式特征、用户名更改模式特征、用户名特殊性特征、用户名拼音特征七个特征来计算相似性。基于用户兴趣属性的方法中,本文提出了APW(All position weighted similarity)方法来计算用户发表内容兴趣相似度,相比于传统的文本相似计算方法,可以有效的计算用户兴趣相似度。基于用户网络结构的方法中,本文使用LDA(Latent Dirichlet Allocation)算法计算用户关注粉丝及贴吧的兴趣相似性,可以有效的对兴趣进行分类,通过计算用户所属兴趣分类的相似性来计算用户网络结构相似性。(3)最后,综合运用用户的多种属性,为了计算出更准确的关联结果,本文使用了层次分析法以及主成分分析法两种综合属性相似度权重计算方法。通过实验比较发现更好的更准确的权重分配。本文针对多异构社交网络用户关联研究,设计了一种基于多属性的用户相似性计算模型,实现了对两个社交网络上的用户进行关联分析的功能,通过用户关联准确率实验,针对采集的新浪微博与百度贴吧用户数据所构建的数据集,改善并提高了多异构社交网络用户关联准确率。

关键词：社交网络分析用户关联新浪微博百度贴吧相似用户用户属性