基于LDA模型的多角度个性化微博推荐算法

摘要：

通过基于概率的主题挖掘模型隐含狄利克雷分布(LDA)挖掘用户兴趣主题,是目前最常用的用户兴趣主题挖掘方法.为进一步改善用户体验,推荐其感兴趣且质量好、新鲜度高的微博,提出一种新的多角度个性化微博推荐算法.通过微博发布时间、转发数、评论数等特征计算微博重要度,利用LDA模型生成的用户-主题矩阵以及主题-词汇矩阵计算用户对微博的兴趣度,综合考虑微博本身的重要度以及用户对微博的兴趣度对微博进行评分,根据评分结果推荐微博.实验结果表明,该算法与主题模型相结合可有效够提高微博推荐的精准度.

关键词：微博、个性化推荐、隐含狄利克雷分布模型、推荐算法、评分预测、Top-N推荐

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61262006,61540050;贵州省重大应用基础研究项目黔科合JZ字[2014]2001;贵州省科技厅联合基金黔科合LH字[2014]7636号

在线出版日期：2017-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：177-182