基于内容的热门微话题个性化推荐研究

被引:25
作者
安悦
李兵
杨瑞泰
胡沥丹
机构
[1] 对外经济贸易大学信息学院
关键词
微博; 个性化推荐; 自然语言处理; 相似性算法; 信息超载;
D O I
暂无
中图分类号
G202 [信息处理技术];
学科分类号
050302 ;
摘要
微博作为一个新的传播平台,为用户提供越来越多信息和服务的同时,也出现了信息超载等一系列问题。鉴于此提出了基于内容的热门微话题推荐方法,通过计算微博用户与微话题的相似性,从而实现为微博用户提供个性化的微话题推荐,解决用户面对的信息超载等问题,为用户节省时间,使之更有效地使用微博,增强微博用户的使用体验。针对新浪微博用户,提出了适合本研究的基于内容的推荐算法,将此算法应用到中文文本平台上,实现了新浪微博热门微话题的个性化推荐实证研究,并对推荐结果进行了准确性验证。
引用
收藏
页码:155 / 160
页数:6
相关论文
共 7 条
[1]   个性化微博推荐算法 [J].
王晟 ;
王子琪 ;
张铭 .
计算机科学与探索, 2012, (10) :895-902
[2]   个性化推荐系统的研究进展 [J].
刘建国 ;
周涛 ;
汪秉宏 .
自然科学进展, 2009, 19 (01) :1-15
[3]  
基于云计算的微博推荐系统[D]. 佐凯.南京理工大学. 2012
[4]  
基于RSS的个性化内容推荐服务系统设计与实现[D]. 曹劲.复旦大学. 2010
[5]  
Eigentaste: A Constant Time Collaborative Filtering Algorithm[J] . Ken Goldberg,Theresa Roeder,Dhruv Gupta,Chris Perkins.Information Retrieval . 2001 (2)
[6]  
GroupLens[J] . Joseph A. Konstan,Bradley N. Miller,David Maltz,Jonathan L. Herlocker,Lee R. Gordon,John Riedl.Communications of the ACM . 1997 (3)
[7]  
Amazon.com recommendations: Item-to-item collaborative filtering .2 Linden,Greg,Smith,Brent,York,Jeremy. IEEE Internet Computing . 2003