隨著社交網(wǎng)絡(luò)的規(guī)模逐漸擴(kuò)大，用戶量和信息量呈爆炸式增長(zhǎng)，微博的發(fā)展則是一個(gè)很好的例證。然而，隨著數(shù)據(jù)量的增大，用戶要在海量信息中找到感興趣的目標(biāo)則變得越來(lái)越困難。因此，微博都擁有各自的個(gè)性化推薦系統(tǒng)。在微博上，用戶的關(guān)注用戶是用戶獲取信息的主要渠道，在海量用戶中，沒(méi)有好的推薦，很難找到合適的用戶進(jìn)行關(guān)注。好友推薦系統(tǒng)也因此成為微博上不可或缺的模塊之一。 本文研究一種基于用戶傾向的微博好友推薦算法。首先對(duì)現(xiàn)有推薦算法進(jìn)行總結(jié)，發(fā)現(xiàn)在推薦問(wèn)題上，推薦算法若要產(chǎn)生推薦結(jié)果，則必須評(píng)估推薦用戶和推薦目標(biāo)的相似度，以此產(chǎn)生前K個(gè)相似度最高的推薦目標(biāo)。其次提出微博好友推薦系統(tǒng)中相似度模型的概念，同時(shí)分析微博上好友關(guān)系的特點(diǎn)，解釋傳統(tǒng)的推薦算法在相似度模型上存在的問(wèn)題，即傳統(tǒng)算法并沒(méi)有根據(jù)微博上用戶傾向進(jìn)行推薦。再次，提出基于用戶傾向的相似度模型，用該模型去擬合用戶在微博上的可能關(guān)注用戶的傾向性，把微博上的好友關(guān)系歸結(jié)為交際關(guān)系和興趣關(guān)系，基于此模型設(shè)計(jì)并實(shí)現(xiàn)了基于用戶傾向的微博好友推薦算法。最后將用戶在微博上的行為信任機(jī)制應(yīng)用于推薦算法中，即用戶的行為會(huì)在某一程度上受到其好友行為的影響，把基于行為...

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-2.騰訊微博(t.qq.com)中的好友推薦從三大社交網(wǎng)站中的好友推薦可以看出，其推薦的主要線下已經(jīng)認(rèn)識(shí)的好友，以

推薦的基本是QQ好友列表里的或是同鄉(xiāng)、同學(xué)校以及有多個(gè)共同好友的用戶，由此可以，其推薦思想是基于用戶標(biāo)簽、檔案等信息的，如SONAR的推薦方法。圖1-2.騰訊微博(t.qq.com)中的好友推薦從三大社交網(wǎng)站中的好友推薦可以看出，其推薦的主要線下已經(jīng)認(rèn)識(shí)的好友，以此建立....

圖1-1.新浪微博(www.weibo.com)和人人網(wǎng)(www.renren.com)中的好友推薦在騰訊微博中，其好友推薦并沒(méi)有出現(xiàn)有幾個(gè)共同好友，如圖1-2所示

如圖1-1所示，從圖1-1中可以看出，在每個(gè)推薦的好友當(dāng)中都會(huì)出現(xiàn)有幾個(gè)共同好友，這是因?yàn)槠渌惴ㄖ饕腔贔oF思想的。圖1-1.新浪微博(www.weibo.com)和人人網(wǎng)(www.renren.com)中的好友推薦在騰訊微博中，其好友推薦并沒(méi)有出現(xiàn)有幾個(gè)共同好....

圖3-6.兩個(gè)交際關(guān)系用戶的鏈接關(guān)系圖

傾向性的強(qiáng)度不一樣。在微博上，兩個(gè)交際關(guān)系用戶(用戶1和用戶2)的鏈接網(wǎng)絡(luò)圖如下所示：圖3-6.兩個(gè)交際關(guān)系用戶的鏈接關(guān)系圖

圖3-7.兩個(gè)興趣關(guān)系用戶的鏈接關(guān)系圖

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文，用戶1和用戶2的共同關(guān)注用戶達(dá)31個(gè)，占共同關(guān)注用戶的集合里，80%以上用戶是用戶1識(shí)的。系用戶(用戶1和用戶3)的鏈接網(wǎng)絡(luò)圖如下所示：

本文編號(hào)：3897750