微博用戶興趣的提取和動態(tài)建模.pdf

1、社交媒體應(yīng)用的迅猛發(fā)展改變了人們的生活和人際交往形式，以原創(chuàng)性、時效性、便捷性著稱的微博表現(xiàn)出非常強勁的發(fā)展勢頭。微博的出現(xiàn)極大地豐富了網(wǎng)絡(luò)中的內(nèi)容，用戶根據(jù)自身喜好關(guān)注微博平臺中特定的公共或私人微博賬號，來獲取大量與用戶興趣相關(guān)的內(nèi)容。
　　微博系統(tǒng)為用戶提供了豐富的話題及內(nèi)容，用戶可以根據(jù)自身的喜好來選擇接收某些方面的內(nèi)容，因此微博系統(tǒng)除在線社交功能之外的強大的功能是以興趣為主導(dǎo)的內(nèi)容接收或發(fā)布平臺，在此基礎(chǔ)之上，為了提高用戶

2、體驗質(zhì)量、分析用戶行為軌跡、高質(zhì)量的個性化推薦，用戶的興趣提取和行為動態(tài)建模十分必要。本論文的工作主要分為兩個部分：第一個部分，通過分析微博消息的文本內(nèi)容，挖掘用戶感興趣的話題形成用戶興趣，為用戶的行為建模做準(zhǔn)備；第二個部分，通過研究用戶發(fā)布的與興趣相關(guān)的微博，在時間軸上對用戶的行為進行動態(tài)建模，挖掘用戶行為規(guī)律，并且依據(jù)模型預(yù)測用戶行為并對用戶推薦相關(guān)內(nèi)容。
　　在挖掘微博用戶興趣方面，由于用戶興趣具有強烈的個人屬性，本文主要采

3、用非監(jiān)督式學(xué)習(xí)的方法進行挖掘。首先將微博文本看作短文本，在此基礎(chǔ)上實現(xiàn)對微博短文本的分詞以及向量化；其次，對詞語向量之間的相似度進行研究，利用相似度來表征微博文本之間的距離關(guān)系，為下一步工作做準(zhǔn)備；再次，分別采用LDA主題生成模型和基于詞向量的K-means聚類對用戶興趣進行挖掘；最后基于以上研究過程，生成基于用戶微博短文本集的興趣標(biāo)簽。
　　在基于用戶興趣的用戶建模過程中，首先選定與用戶興趣相關(guān)的微博短文本，按照時間順序?qū)⒂脩襞d