论文部分内容阅读
在互联网迅猛发展的今天,人们获取信息的渠道越来越倾向于网络,结识朋友的途径也拓展到了社交网络上。社交的本质是人与人的交际往来,社交网络中每个用户都有各自的交际圈,并通过这个交际圈实现信息的传递、共享、交流。然而随着互联网络的发展和社交网络的演进,社交网络中用户群逐渐庞大,用户之间关系日益复杂,用户产生的数据量越来越多,种种因素无一不增加了用户寻找“志趣相投”的好友、建立自己交际圈的难度。在这种背景下,好友推荐系统应运而生,为目标用户推荐与其有着相似兴趣爱好的“朋友”。本文以微博这一社交网络的典型作为研究对象,对社交网络好友推荐系统进行设计与实现:首先,对微博用户数据进行采集和预处理,获得对于系统设计和实现有用的数据;其次,采用LDA主题模型方法对用户的微博内容进行分析,得到用户微博主题分布信息,并依据这些主题分布信息计算和表示出用户的兴趣偏好;再次,根据余弦相似度测度方法对不同用户兴趣之间的相似度进行计算,并选择与目标用户相似度最大的N个用户作为好友推荐结果呈现给目标用户;最后,采用准确率指标对该好友推荐系统进行评估,验证了系统对于推荐精度的提高。相对于传统的基于用户个性化标签、教育背景或地理位置等信息的好友推荐系统而言,本文提出的好友推荐系统,通过分析微博用户的历史微博数据,挖掘用户兴趣,并基于此进行好友推荐,因此对于用户兴趣的描述更具代表性,呈现给用户的推荐结果也更符合“志趣相投”这一标准。