畢業(yè)論文-基于統(tǒng)計的個性化微博信息與用戶推薦

《畢業(yè)論文-基于統(tǒng)計的個性化微博信息與用戶推薦》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、碩士學(xué)位論文基于統(tǒng)計的個性化微博信息與用戶推薦PersonalizedMessageandUserRecommendationinSocialMediabasedonstatisticallearning羅磊哈爾濱工業(yè)大學(xué)2012年7月國內(nèi)圖書分類號：TP391.2學(xué)校代碼：10213國際圖書分類號：681.324密級：公開工學(xué)碩士學(xué)位論文基于統(tǒng)計的個性化微博信息與用戶推薦碩士研究生：羅磊導(dǎo)師：張宇副教授申請學(xué)位：工學(xué)碩士學(xué)科、專業(yè)：計算機(jī)科學(xué)與技術(shù)所在單位：計算機(jī)科學(xué)與技術(shù)學(xué)院答辯日期：2012年6月23日授予學(xué)位單位：哈爾濱工業(yè)大學(xué)ClassifiedIndex：TP391.2U.D.C

2、.：681.324DissertationfortheMasterDegreeinEngineeringPersonalizedMessageandUserRecommendationinSocialMediabasedonstatisticallearningCandidate:LuoLeiSupervisor:AssociateProf.ZhangYuAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ComputerScienceandTechnologyAffiliation:SchoolofComputerScienceand

3、TechnologyDateofDefence:June23,2012Degree-Conferring-Institution:HarbinInstituteofTechnology哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要近年來，隨著互聯(lián)網(wǎng)的蓬勃發(fā)展，特別是伴隨著社交網(wǎng)絡(luò)的興起，人們發(fā)現(xiàn)互聯(lián)網(wǎng)上開始出現(xiàn)了信息過載的現(xiàn)象，過多的信息不會幫助人們更容易發(fā)現(xiàn)信息，而是變得更加困難，人們無法從大量信息中發(fā)現(xiàn)哪些是重要的，哪些是可選的，而社交網(wǎng)絡(luò)是個自媒體的網(wǎng)絡(luò)應(yīng)用，任何人、任何時間都可以在上面發(fā)布信息，顯然增加了信息過載的程度?；诮y(tǒng)計的個性化微博信息與用戶推薦目的是利用統(tǒng)計機(jī)器學(xué)習(xí)的方法為用戶建立個性

4、化的模型，目的是幫助用戶避免信息過載的問題，在社交網(wǎng)絡(luò)中發(fā)現(xiàn)并找到適合用戶的微博信息以及需要關(guān)注的微博好友，這種推薦技術(shù)對社交網(wǎng)絡(luò)網(wǎng)站提升用戶體驗也是非常重要的，同時，推薦系統(tǒng)和社交網(wǎng)絡(luò)是當(dāng)前的兩個熱點(diǎn)研究領(lǐng)域，我們相信在社交網(wǎng)絡(luò)媒體中的推薦系統(tǒng)研究也具有重要意義。本文的主要研究內(nèi)容分為基于微博的信息推薦以及基于微博的好友推薦兩個部分?；谖⒉┑男畔⑼扑]部分，我們提出了對微博平臺上的文本內(nèi)容對用戶進(jìn)行個性化推送的任務(wù)，進(jìn)而結(jié)合微博平臺自身的特點(diǎn)提出了我們的解決方法，對使用的特征進(jìn)行了分析，并通過實(shí)驗證明了方法的有效性。在微博好友推薦部分，我們希望通過對微博用戶推薦適合的好友，讓微博用戶能夠選

5、擇合適的好友進(jìn)而能夠達(dá)到信息過濾的效果，本文提出了基于協(xié)同過濾，啟發(fā)式，鏈接預(yù)測，主題模型等多種方法進(jìn)行微博人物推薦的實(shí)驗與分析，最后為了提升人物推薦的預(yù)測精度利用多模型的優(yōu)勢，本文通過使用集成學(xué)習(xí)的方法進(jìn)行了基于多模型的合并工作，并最終取得了效果上的進(jìn)一步提升。本文通過實(shí)驗證明了本文提出的信息和用戶推薦方法的有效性，在信息推薦中我們的召回率達(dá)到0.49，在用戶推薦中我們考察了各種推薦算法的指標(biāo)，并通過集成學(xué)習(xí)進(jìn)一步提升了性能。關(guān)鍵詞推薦系統(tǒng)；社交網(wǎng)絡(luò)；協(xié)同過濾；集成學(xué)習(xí)-I-哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文AbstractInrecentyears,astheInternettoflouri

6、sh,especiallyaccompaniedbytheriseofsocialnetworkswebsites,itwasdiscoveredthattheInternetbegantoappearonthephenomenonofinformationoverload,toomuchinformationwillnothelppeoplemoreeasilytofindinformation,butmoredifficult,fromthelargeamountsofinformation,peoplecannotfindoutwhatisimportantandwhatisoptio

7、nal,andsocialnetworkingisaself-medianetworkapplications,anyone,atanytimecanpostatweetonthewebsite,apparentlytoincreasethedegreeofinformationoverload.BasedonstatisticallearningpersonalizedRecommendationinSoc