个性化微博推荐算法

TP391; 微博不同于传统的社会网络和电子商务网站,存在用户活跃程度低,微博数据稀疏和用户兴趣动态变化等特点,将传统推荐算法应用于微博推荐时,效果并不理想.提出了一种基于贝叶斯个性化排序的微博推荐算法,对用户进行个性化微博推荐.该基于贝叶斯个性化排序的微博推荐算法,以微博对的形式提取微博系统中的隐式信息,对这些微博对进行学习,从而得到用户对不同微博的兴趣值.根据每条微博发出的时间,估计每条微博对的可信度.发出时间越接近的微博对,它的可信度就越高,并且对用户的兴趣值影响就越大.在新浪微博的真实数据上进行实验和评测,结果表明该基于贝叶斯个性化排序的微博推荐算法相比于对比算法,在进行微博推荐时有更...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 6; no. 10; pp. 895 - 902
Main Authors 王晟, 王子琪, 张铭
Format Journal Article
LanguageChinese
Published 北京大学信息科学技术学院,北京,100871 2012
Subjects
贝叶斯个性化排序(BPR)
推荐
微博
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2012.10.004

Cover

More Information
Summary:TP391; 微博不同于传统的社会网络和电子商务网站,存在用户活跃程度低,微博数据稀疏和用户兴趣动态变化等特点,将传统推荐算法应用于微博推荐时,效果并不理想.提出了一种基于贝叶斯个性化排序的微博推荐算法,对用户进行个性化微博推荐.该基于贝叶斯个性化排序的微博推荐算法,以微博对的形式提取微博系统中的隐式信息,对这些微博对进行学习,从而得到用户对不同微博的兴趣值.根据每条微博发出的时间,估计每条微博对的可信度.发出时间越接近的微博对,它的可信度就越高,并且对用户的兴趣值影响就越大.在新浪微博的真实数据上进行实验和评测,结果表明该基于贝叶斯个性化排序的微博推荐算法相比于对比算法,在进行微博推荐时有更好的效果.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2012.10.004