基于用户特征及网络关系的微博推荐方法技术

本发明专利技术涉及一种基于用户特征及网络关系的微博推荐方法。该方法包括以下步骤：1）网络拓扑关系矩阵的建立和更新；2)网络拓扑关系矩阵更新；3）不同用户之间关联度的确定；4）关注强度矩阵的最终确定。本发明专利技术通过构建了用户和话题之间的网络关系，得到用户和话题之间的关联程度，通过一段时间内话题内容的变化分析用户行为，利用分析的结果对关联关系进行进一步的修正，从而准确的得到用户关注的话题，对用户进行推荐，与传统的推荐方法相对比，该方法有效提高了微博话题推荐的准确度。

【技术实现步骤摘要】

本专利技术涉及互联网上数据的处理技术，具体是一种。
技术介绍
随着互联网技术、尤其是Web2.0网络应用的发展，微博等社交网络在人们的日常生活中扮演着愈发重要的角色。与传统门户网站、论坛、博客相比，微博等社交网络中信息发布量更大，用户交互更频繁。社交网络中关注好友的日志、微博、图片、状态等信息均以推送的形式发送至相关用户主页，这种推送模式在强化了用户信息交互的同时，也给使用者带来了信息风暴的冲击，因此社交网络中的个性化推荐算法将对提高用户体验与信息交互质量产生重大的影响。传统的用户个性化推荐算法主要通过协同过滤与内容过滤。协同过滤又包括基于产品的协同过滤与基于用户的协同过滤。Amazon的商品推荐算法为基于产品协同过滤的典型代表。其推荐思想是，两件商品的联合购买概率越大，对应商品间的关联性越强，于是利用商品间的关联关系实现推荐。基于用户的协同过滤通过用户与物品关联矩阵计算用户间相似度，从而将相似用户感兴趣的物品有限推荐给目标用户。基于内容的推荐算法不需要进行用户之间的相似度计算，而根据物品本身的特征信息与用户信息的匹配关联，实现物品的推荐。与传统的物品推荐相比，社交网络中的本文档来自技高网...

【技术保护点】
一种基于用户特征及网络关系的微博推荐方法，其特征是：包括以下步骤，1）网络拓扑关系矩阵的建立和更新；针对m个微博用户，这些用户发表的话题总数为n个，建立一个n×m的矩阵；其中Nf为第j个用户发布的总微博数，t(i，j)表示用户j发布的属于话题i的微博条数；其中就是对用户j进行推荐时，话题i的初值；2)网络拓扑关系矩阵更新；建立关注强度矩阵，初始的关注强度矩阵B与网络拓扑关系矩阵相同；即B=A；a.T时刻若网络拓扑关系矩阵中的aij(T)＝0，一段时间t后的网络拓扑关系矩阵对于的元素aij(T+t)＞0，则关注强度矩阵B中对应位置的元素bij(T+t)＝100；b.T时刻若网络拓扑关系矩阵中的a...

【技术特征摘要】
1.一种基于用户特征及网络关系的微博推荐方法，其特征是:包括以下步骤， 1)网络拓扑关系矩阵的建立和更新； 针对m个微博用户，这些用户发表的话题总数为η个，建立一个nXm的矩阵； 2.根据权利要求1所述的基于用户特征及网络关系的微博推荐方法，其特征是:所述常数kik2的获得方法是， 进行以下试验: 选择一定数量的目标用户作为测试源用户，抓取源用户最新发布的一定数量微博与微博的评论信息；抓取源用户所关注的Ι-layer-user用户信息以及l-layer-user用户最新发布的一定数量微博与微博评论信息；同时抓取所有Ι-layer-user的粉丝用户，即2...

【专利技术属性】
技术研发人员：刘云，廉捷，熊菲，亓大鹏，
申请(专利权)人：北京交通大学长三角研究院，
类型：发明
国别省市：