目录
目 录
摘要 ............................................................................................................................... I Abstract ........................................................................................................................ I I 第一章绪论 .. (1)
1.1研究背景与意义 (1)
1.1.1研究背景 (1)
1.1.2意义 (2)
1.2国内外研究现状 (2)
1.2.1微博现状的研究 (2)
1.2.2个性化推荐系统 (3)
1.3研究内容与结构安排 (5)
1.3.1本文的研究内容 (5)
1.3.2研究技术路线 (6)
1.3.3本文的结构安排 (7)
本章小结 (7)
第二章系统相关技术介绍 (8)
2.1推荐算法综述 (8)
2.1.1基于内容的推荐 (8)
2.1.2基于规则的推荐 (9)
2.1.3基于协同过滤的推荐 (9)
2.2用户数据收集 (12)
2.3社交网络概述 (13)
2.3.1新浪微博简介 (13)
2.3.2数据获取技术 (14)
2.3.3数据获取流程图 (14)
本章小结 (15)
第三章需求分析 (16)
3.1推荐系统任务概述 (16)
3.1.1 推荐系统目标 (16)
3.1.2 系统工作流程 (16)
3.2推荐系统功能需求 (18)
3.2.1 数据采集模块 (19)
3.2.2推荐引擎模块 (19)
3.2.3用户交互模块 (20)
3.3非功能需求分析 (20)
3.4个性化推荐 (21)
3.5用户冷启动 (22)
本章小结 (22)
第四章推荐系统的详细设计 (23)
4. 1系统应用架构设计 (23)
4. 2系统功能架构设计 (24)
4.2.1数据采集模块 (24)
4.2.2推荐引擎模块 (26)
4.2.3用户交互模块 (28)
4. 3个性化Top-N方法 (29)
4.3.1主题模型建立 (30)
4.3.2用户建模 (31)
4.3.3用户相似度计算 (32)
4.3.4Top-N推荐 (32)
4. 4数据库设计 (33)
4. 5推荐系统界面设计 (35)
本章小结 (37)
第五章个性化推荐系统的实现 (38)
5. 1数据采集模块的实现 (38)
5.1.1API调用 (38)
5.1.2用户数据采集 (39)
5. 2推荐引擎模块的实现 (42)
5.2.1邻居用户获取 (42)
5.2.2推荐引擎 (44)
5. 3 用户交互模块的实现 (45)
5. 4系统效果与分析 (49)
本章小结 (52)
第六章总结与展望 (53)
致谢 (54)
附录 (55)
参考文献 (66)
图版 (68)
摘要
摘要
随着Web2.0技术的不断发展，中国互联网进入了高速发展阶段。微博这个新兴的社交网络平台，在国内的活跃用户非常之多，已经成为当前用户分享和获取信息的重要平台。微博庞大的活跃人群发布了大量数据，导致信息过载的产生。如何让用户准确定位自己，并找到自己感兴趣的微博信息，已经成为广大微博用户关注的总要问题之一。本文实现了一个个性化推荐系统，通过对用户在推荐系统中的行为进行分析来推荐给用户感兴趣的微博。本文的主要工作内容如下：
1)深入研究了新浪微博开放平台获取用户微博信息的相关技术，该技术主要是通过调用微博开放平台提供 API 来收集数据，并把这些数据作为推荐系统的数据源。
2) 使用分领域模型法并借鉴新浪微博已有的分类标准把用户兴趣分为8个领域：体育、电影、动漫、财经、美食、音乐、旅游、星座。找出对每个兴趣领域比较感兴趣的高质量用户，最后采用基于用户的协同过滤算法，找出目标用户在每个兴趣领域的K个最相似邻居，把邻居用户转发的微博作为用户的待推荐列表。
3)实现个性化推荐系统，用户通过新浪微博账号授权登陆系统，就能够享受高质量的个性化微博推荐服务。用户在使用系统的过程中可以管理自己兴趣领域也可以管理邻居用户即微博信息的来源还可以和系统反馈自己对推荐结果是否喜欢，方便系统对用户的推荐结果进行调整，使推荐系统变得更好，随时满足用户个性化需求。
对用户使用系统的情况进行分析，发现系统总体效果比较令用户满意。系统能够给用户一个比较好的微博推荐服务，为解决信息过载问题奠定了基础。
关键词：开放平台；个性化推荐；协同过滤；微博