基于特征分析的微博用户兴趣发现算法

被引：11

作者：

赵岩露 ^{[1
,2
]}

王晶 ^{[1
,2
]}

沈奇威 ^{[1
,2
]}

机构：

[1] 北京邮电大学网络与交换技术国家重点实验室

[2] 东信北邮信息技术有限公司

来源：

关键词：

微博; 兴趣模型; 特征分析; 推荐系统; 协同过滤;

D O I：

10.13992/j.cnki.tetas.2012.11.096

中图分类号：

TP393.092 [];

学科分类号：

摘要：

本文在综合兴趣模型研究现状的基础上,结合微博数据集对微博用户的特征进行分析,建立微博用户兴趣模型,并提出基于微博用户兴趣模型的发现算法。实验结果表明,本文提出的算法能很好的发现微博用户的兴趣,提高推荐系统的质量。

引用

页码：79 / 83

页数：5

共 9 条

[1] 基于社会网络信息流模型的协同过滤算法
万里
廖建新
王纯
[J]. 吉林大学学报(工学版) , 2011, (01) : 270 - 275
[2] 基于向量空间模型的用户兴趣模型研究
郭新明
弋改珍
[J]. 咸阳师范学院学报, 2009, 24 (06) : 48 - 50
[3] 个性化推荐系统评价方法综述
刘建国
周涛
郭强
汪秉宏
[J]. 复杂系统与复杂性科学, 2009, 6 (03) : 1 - 10
[4] 个性化推荐系统中的用户建模及特征选择
林霜梅
汪更生
陈弈秋
[J]. 计算机工程, 2007, (17) : 196 - 198+230
[5] 基于内部信念状态POMDP模型在用户兴趣获取中的应用
周继恩
刘贵全
张春阳
蔡庆生
[J]. 小型微型计算机系统, 2004, (11) : 1979 - 1983
[6] 基于云计算的微博推荐系统[D]. 佐凯.南京理工大学 2012
[7] 推荐系统实践[M]. 人民邮电出版社 , 项亮, 2012
[8] Learning and Revising User Profiles: The Identification of Interesting Web Sites[J] . Michael Pazzani,Daniel Billsus.Machine Learning . 1997 (3)
[9] KDD Cup 2012,ACM SIGKDD,knowledge discovery and data miningconference .