论文部分内容阅读
随着网络数据量的急剧增加,从海量数据中挖掘有价值的信息成为一项重要技术。特别是在电子商务等领域,用户与商品之间的相关性有巨大的商业价值,而推荐系统就是为寻找这样一种相关性而建立的数据挖掘和过滤系统。在推荐过程中,寻找用户间的相似度是准确推荐的关键,所以用户偏好建模就尤为重要。研究网络用户偏好的建模方法以及基于偏好模型的推荐算法,对于更好地为用户提供信息服务有着重要意义。新浪微博因兼具社交和媒体的双重特点,已成为人们在线交流和信息传播的重要平台。但由于微博中用户数据太稀疏,传统的向用户推荐好友、扩大微博用户相互关注的推荐方法存在很多问题,所以本文研究一种新的推荐方法向微博用户推荐好友。本文在分析新浪微博用户偏好的基础上重点研究了网络用户偏好的模型,根据模型设计了推荐系统并将其实现。论文的主要工作和创新点包括以下几个方面:(1)简要介绍了网络用户偏好分析方法和推荐技术的研究发展与现状,阐明了论文的研究意义,说明了与本研究相关的几种关键技术。(2)基于新浪微博的用户信息提出两种用户偏好建模方法:基于用户间关注关系建模和基于用户间交互信息建模。并根据这两个模型设计出相应的两个推荐方案:基于关注关系推荐系统和基于交互信息推荐系统。(3)选定新浪微博数据作为研究对象,并设计了基于HttpClient和正则表达式的爬虫系统,实现了新浪微博数据的自动化采集。(4)利用Matlab软件对爬取到的新浪微博用户行为数据进行实验,并仿真比较了推荐结果,证明了本文所建模型和推荐系统的可行性,提供了一个用户偏好分析新思路。结果说明此模型可以很方便的用到社交网络用户行为分析中,而且能够充分利用用户间的关注关系和交互信息。最后,本文采用提出的推荐方案设计了一个基于新浪微博数据的微博用户推荐系统,本推荐系统基于B/S开发架构,采用SpringMVC模式,使用MySQL数据库,并且使用AngularJS做前端开发工具。