实时个性化微博推荐系统

摘要：

目前很多社交网络服务对用户的个性化需求考虑得不充分,并且社交网络服务由于需要处理海量数据而难以保障服务的实时性.为了实时响应用户在微博推荐中的个性化请求,提高推荐的效率和质量,提出了一种基于LDA主题模型和KL散度相结合的RPM PS微博推荐模型.RPM PS推荐模型不但通过文档-主题概率分布矩阵获得了用户信息与待推荐微博的主题相似性,而且还通过文档-词来对词频概率进行统计,从而获得用户信息与待推荐微博的内容相似性.最后,基于RPM PS推荐模型构建实时个性化微博推荐系统,并在数据处理过程中对微博进行过滤以缩短系统的响应时间.通过真实数据集验证了系统可较好地满足用户的实时个性化需求.

关键词：社交网络、微博、RPM、PS推荐模型、推荐系统

所属期刊栏目：45

分类号：TP319(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61202227 ,61602004 ,安徽高校自然科学研究项目KJ2018A0013

在线出版日期：2018-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：253-259,265