文档介绍：硕士学位论文
基于统计的个性化微博信息
与用户推荐
Personalized Message and User
mendation in Social Media based
on statistical learning
罗磊
哈尔滨工业大学
2012 年 7 月
国内图书分类号: 学校代码:10213
国际图书分类号: 密级:公开
工学硕士学位论文
基于统计的个性化微博信息
与用户推荐
硕士研究生: 罗磊
导师: 张宇副教授
申请学位: 工学硕士
学科、专业: 计算机科学与技术
所在单位: 计算机科学与技术学院
答辩日期: 2012 年 6 月 23 日
授予学位单位: 哈尔滨工业大学
Classified Index:
U. D. C.:
Dissertation for the Master Degree in Engineering
Personalized Message and User
mendation in Social Media based
on statistical learning
Candidate: Luo Lei
Supervisor: Associate Prof. Zhang Yu
Academic Degree Applied for: Master of Engineering
Specialty: Computer Science and
Technology
Affiliation: School puter Science
and Technology
Date of Defence: June 23, 2012
Degree-Conferring-Institution: Harbin Institute of Technology
哈尔滨工业大学工学硕士学位论文
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 ,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。
关键词推荐系统;社交网络;协同过滤;集成学习
- I -
哈尔滨工业大学工学硕士学位论文
Abstract
In recent years, as the to flourish, especially panied by the
rise of works websites, it was discovered that the began to
appear on the phenomenon of information overload, too muc