基于用户分析的个性化微博推荐技术研究-软件工程专业论文.docxVIP

万方数据 万方数据 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含获得 兰州交通大学 或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 兰州交通大学 有关保留、使用学位论文的规定。 特授权 兰州交通大学 可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 兰州交通大学硕士学位论文 兰州交通大学硕士学位论文 摘 要 微博作为社交网络的典型代表，以其便捷高效、传播迅速、交互性强等特点吸引了 大量用户。随着微博用户规模的不断扩大，微博所产生的信息量也呈现爆炸式的增长， 从而在微博中出现了信息过载的现象。微博平台中的信息过载使得用户从大量微博信息 中筛选出有用信息所耗费的时间和精力大大增加，随之产生的问题就是微博平台的用户 体验下降，用户流失等。如何从大量的微博信息中快速有效地挑选出用户感兴趣的内容 是解决微博中信息过载问题的关键。 为用户提供个性化的微博推荐服务，即分析用户在阅读时对某些微博感兴趣的原因 是由于用户和发布该条微博的好友社交关系很亲密，或是受发布者权威度的影响，抑或 是微博的内容引起了用户阅读的兴趣。本文将微博的个性化推荐问题转化为对用户接收 到的信息即会话列表中的微博信息根据其与用户阅读偏好的相关度进行排序的问题。采 用排序学习（Learn to rank）方法在训练数据上训练排序函数，该排序函数反映了本文 选取的多个用户特征对微博推荐效果的影响，利用排序函数计算微博信息与用户阅读偏 好的相关度得分，对会话列表中的微博信息按照其相关度得分进行排序，达到最终的个 性化推荐目的。本文主要工作如下： (1)结合个性化微博推荐相关研究，分析在微博推荐过程中体现用户个性化需求的 特征并研究特征量化方法。 (2)研究用户会话划分方法，明确个性化微博推荐范围。个性化微博推荐是要将用 户最近接收到的微博中与用户偏好相关度较高的微博优先推荐给用户，通过对用户行为 进行分析，利用用户发布微博、评论、转发等行为发生的时间得到近似的用户会话起止 时间。 (3)引入相对相关假设构建训练数据。通过分析在一次微博会话中用户的转发、评 论等行为，结合相对相关假设对微博数据的相关性进行标注，得到以偏序关系表示的微 博数据对，作为排序学习方法的训练数据。 (4)采用排序学习方法解决多个用户特征融合问题。基于排序学习方法在训练数据 上训练微博相关度排序模型，利用该模型对用户会话中的信息进行个性化的推荐，并与 传统方法进行了对比实验，实验结果表明了本方法的有效性。 关键词：信息过载；个性化；微博推荐；排序学习 论文类型：应用研究 - I - 基于用户分析的个性化微博推荐技术研究 基于用户分析的个性化微博推荐技术研究 Abstract As a typical representative of the social network, microblog has attracted a large number of users by it’s facilitate communication, spread rapidly and interactivity. With the growth of user scale, information in microblog also shows explosive growth. Large amount of information leads to the information overload in microblog. Information overload brings many problems to users, one of them is that with the number of friends that user followed increased, the daily information pushed to users is also increased. Microblog users are overwhelmed with mostly uninteresting pieces of text in order to