基于协同过滤的个性化微博推荐算法,本文是算法研究有关本科毕业论文范文跟协同和个性化和算法类论文范文资料.
算法研究论文参考文献：
秦晓晖
（太原工业学院计算机工程系,山西 太原 030008）
摘 要：当前,微博已经成长为世界上最有影响力的社交网络服务之一.随着微博的流行,微博上大量的数据也使得用户无法快速获取他感兴趣的信息.推荐系统是通过研究用户已有数据来发掘用户兴趣,从而为用户推荐可能感兴趣的对象,如产品、网页、微博等.本文介绍了一种基于协同过滤推荐技术的微博推荐算法,从影响用户兴趣度的隐性因素,以及微博互联网中的数据采集和预处理等角度对微博推荐进行研究.使用矩阵分解对隐性因素建模,在已有用户与微博、用户与微博发布者影响因素的基础上,提出微博与微博发布者影响因素,提高了原算法的准确度.
关键词：微博推荐；协同过滤；矩阵分解
中图分类号：TP391
文献标识码：A
1 引言(Introduction)
目前被广泛应用的协同过滤算法[1]在推荐系统[2]中发挥着很重要的作用.随着信息种类的丰富,我们需要对一些很难基于内容来分析的信息,尤其是对一些复杂的甚至难以表达的概念进行兴趣分析,协同过滤算法表现出了一定的优越性.矩阵分解算法[3]目前已经被广泛地应用于推荐系统中,它作为隐语义模型中的一种方法取得了一定的成就.协同过滤算法一般可以分为基于相似邻居的方法[4,5]和基于模型的方法[6,7]这两大类,目前隐因子概率模型或者矩阵分解模型经常被用来解决一些问题.本文主要使用基于模型算法中的矩阵分解算法,具体使用隐因子模型来度量影响微博用户喜好的一些隐性因素.
本文向用户进行微博推荐是通过用户对微博的兴趣度来分析的,那么就需要找出影响用户对于微博兴趣度的一些隐性因素,而矩阵分解作为一种隐含语义模型可以很好地帮我们找出这些隐性因素.因此在微博中并不需要指出微博具体的属性类别,可以使用隐语义模型构建矩阵：比如构建一个user-tweet矩阵R见公式(1),其中Rij表示用户i对微博j的兴趣度,通过对矩阵R分解得到矩阵P和矩阵Q,其中f为影响用户兴趣度的隐性属性,这个过程就称为奇异值分解[7,8].
4 结论(Conclusion)
按照时间序列排序的推荐方法依赖于用户的登录时间,用户对登录时间前后的微博转发概率大,因此预测准确度很低.按照相似度的排序只通过关键词计算微博表面相似度,忽略了内在语义.原始方法没有考虑微博与微博发布者之间的隐性因素而低于SVD方法.
参考文献(References)
[1] Shi Y,Larson M,Hanjalic A.Collaborative Filtering Beyond the User-Item Matrix:A Survey of the State of the Art and Future Challenges[J].ACM Computing Surveys (CSUR),2014,47(1):3.
[2] Yang X,et al.A Survey of Collaborative Filtering Based Social Recommender Systems[J].Computer Communications,
2014,41:1-10.
[3] Levy O,Goldberg Y.Neural Word Embedding as Implicit Matrix Factorization[C].Advances in Neural Information Processing Systems,2014:2177-2185.
[4] Sarwar B.,et al.Item-Based Collaborative Filtering Recommendation Algorithms[A].Hypermedia Track of the 10th International World Wide Web Conference,2001:285-295.
[5] Shi Y.,Larson M.,Hanjalic A.Exploiting User Similarity Based on Rated-Item Pools for Improved User-Based Collaborative Filtering[A].Third ACM Conference on Recommender Systems,2009:125-132.
[6] Koren Y.Factorization Meets the Neighborhood:a Multifaceted Collaborative Filtering Model[A].The 14th ACM SIGKDD International Conference on Knowledge,2008:426-434.
[7] Rendle S.The IEEE International Conference on Data Mining[C].Factorization machines,2010:995-1000.
[8] Cao Y.,et al.Adapting Ranking SVM to Document Retrieval[C].The 29th Annual International SIGIR Conference,2006:186-193.
[9] 孙立伟,何国辉,吴礼发.网络爬虫技术的研究[J].电脑知识与技术,2010,6(15):4112-4115.
[10] 高建煌.个性化推荐系统技术与成用[D].中国科学技术大学,2010.
[11] Chen K.,et al.Collaborative Personalized Tweet Recommendation[A].The 35th International ACM SIGIR Conference on Research and Development in Information Retrieval,2012:661-670.
作者简介：
秦晓晖(1987-),女,硕士,助教.研究领域：中文信息处理,人工智能.
上文结束语,该文是一篇关于经典算法研究专业范文可作为协同和个性化和算法方面的大学硕士与本科毕业论文算法研究论文开题报告范文和职称论文论文写作参考文献.
大学英语口语教学新模式基于微博的实践
【摘 要】本文结合微博概述,介绍了基于微博教学新模式应用于大学英语口语教学的可行性调查研究和实践两个实验,总结了微博对大学英语口语教学的重要作用,以此对大学英语口语教学新模式基于微博的实践进行了研究探.
我国政务微信和政务微博的比较
唐文茜（长春工业大学 经济管理学院,吉林 长春 130012）【摘 要】随着社会经济的不断发展,越来越多的人开始投入到网络媒体当中,政府也认识到了网络媒体的力量,以具有代表性的微博与微信这两个平.
可以修改的微博，还是微博吗？
对于微博这一类社交平台而言,语言一旦进入网络,就变成了集体言语织体的一部分,不再单属于某一个体 而任何看似简单的个体编辑行为,都将对这一织体造成伤害 10月12日,新浪微博CEO来去之间（王高飞）在微.
微博天下
热点事件——还记得那部火爆一时的小戏骨版白蛇传吗一群00后的小演员凭借出色的表演迅速刷屏朋友圈,就在大家意犹未尽的时候,小戏骨版红楼梦之刘姥姥进大观园又一次火爆荧屏 就此&ld.