发表论文：基于信息传播理论的微博协同过滤推荐模型

发表期刊： 系统工程理论与实践

引用：蔡淑琴, 袁乾, 周鹏, 梁烽. 基于信息传播理论的微博协同过滤推荐模型[J]. 系统工程理论实践, 2015, 35(5): 1267-1275.CAI Shu-qin, YUAN Qian, ZHOU Peng, LIANG Feng. Collaborative filtering recommendation model in micro-blogging website based on information diffusion theory. Systems Engineering - Theory & Practice, 2015, 35(5): 1267-1275.

摘要  高速发展的微博带来信息富余, 也带来了信息过载, 不断新增的非结构化微博文本内容和复杂的社会网络关系导致个性化推荐难以实施. 针对微博网站特征, 提出一种基于信息传播模拟的协同过滤推荐模型并给出推荐框架图, 解决推荐的数据稀疏性和冷启动问题. 首先, 通过自然语言处理技术处理非结构化文本内容, 获取关键词为推荐对象, 构建用户-关键词偏好模型; 然后, 采用一阶马尔可夫随机游走模拟用户偏好在社会网络中的传播过程, 得到用户-关键词偏好矩阵. 实验使用来自新浪微博的数据集, 采用平均绝对误差、准确率和召回率三个指标评价推荐模型, 并与基准模型进行对比. 实验结果表明, 因整合了社会网络结构信息, 基于信息传播的协同过滤推荐模型的效率比基准模型有明显提高.

本文研究了微博情境下的个性化推荐模型，通过以关键词为推荐对象解决信息过载问题，采用一阶马尔科夫随机游走方法估计用户的偏好，结合协同过滤方法实现推荐过程，研究结论显示整合了社会网络结构信息, 基于信息传播的协同过滤推荐模型的效率比基准模型有明显提高.