基于社交网络的用户需求发现与物品推荐

《基于社交网络的用户需求发现与物品推荐》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于社交网络的用户需求发现与物品推荐摘要：微博作为当下最受欢迎的社交网络之一，包含了大量的用户需求和兴趣偏好信息，如何动态地从微博内容中提取用户的需求和偏好信息，将推荐算法结合社交网络产生推荐结果，解决信息过载的问题，目前暂时还没有相关的较为成熟的应用。本文设计并实现了基于社交网络的物品推荐系统，提取用户微博内容关键词作为用户需求特征，建立物品信息库，通过文本相似度计算用户需求和物品信息之间的匹配度，采用基于内容的推荐算法产生推荐结果。最后进行离线实验，对推荐系统产生的推荐结果进行评测分析。关键词：社交网络；用户需求；基于物品推荐算法；微博中图分类号：TP393文献标识码：A文章编

2、号：1009-3044（2016）24-0260-03Abstract：Microblogisoneofthemostpopularsocialnetworks，containingplentyofinformationofusers’preferenceandneeds.However，therearestillnomatureapplicationstoextracttheinformationofusers’preferenceandneedsfrommicroblogsandcombinethosewithrecommendationalgorithmstorecommen

3、ditems.Thus，thispaperproposesandimplementsarecommendationsystemforsocialnetworks.Firstofall，users’contentofweibowascrawledandkeywordswereextractedascharacteristicsofusers’1needs.Next，anitemrepositorywasbuiltwithspecificcharacteristicsoftheitems.Usingthetextsimilarityalgorithm，similaritybetween

4、users’needsanditems’characteristicscanbecomputed.Thenwiththecontent-basedrecommendationalgorithm，weproducedrecommendationresultsforuserswhichtheymaybeinterestedin.Atlastfourofflineexperimentsontherecommendationresultsweredonetoevaluateandanalyzetheperformanceofthisrecommendationsystem.Keywords

5、：socialnetworks；users’interests；content-basedrecommendationalgorithm；Microblog1背景近年来，社交网络的发展引人注目。目前据百度百科的统计，约有一半以上的中国网民通过社交网络进行沟通交流、分享信息。据尼尔森2010年的报告，全球用户在互联网上22%的时间花费在社交网站和社交媒体上[1]。通过社交网络不仅可以很好地获取用户社交关系，并且允许用户公开地展现自己，表达用户个人兴趣，对于研究个性化推荐系统具有很好的价值。本文利用社交网络信息对用户进行个性化物品推荐。目前流行的推荐算法主要有基于内容的推荐算法[2]、

6、协同过滤推荐算法[3]和混合推荐算法等。本文采用基于内容的推荐算法，其不需要获取大量的用户评分数据，因此不存在评分数据稀疏性问题；对于新物品，一旦提取新物品的特征建立物品配置文件后即可向相似用户进行推荐，解决了新物品的冷启动问题；并且易于实现自动化提取物品特征算法。22基于社交网络的物品推荐系统设计2.1系统框架本文基于腾讯微博获取用户的需求与兴趣并进行物品推荐，设计整体框架如图1所示。通过爬虫[4]爬取腾讯微博较为简便，IP地址不容易被封锁，能够快速爬取大量用户数据。在用户需求发现阶段，首先通过爬虫根据API爬取大量用户的微博内容，存储到数据库中。然后对每一个用户的所有微博内容提

7、取关键词作为每一个用户的需求模型，构成了用户特征库。在物品推荐阶段，首先根据淘宝网站上的物品信息，提取部分物品特征构建适用于本文的物品信息库，计算物品信息与用户需求之间的相关性，将计算结果进行排序产生推荐结果，完成第二阶段的物品推荐。2.2建立用户特征库对一个用户的所有获取到的微博内容提取关键词[5]用以表示该用户的特征。本文采用基于TF-IDF的自动文本关键词提取算法[6]。由于中文文本没有显示的词边界，增加了关键词提取的难度。本课题调用jieba中文分词模块，对单