论文部分内容阅读
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。