基于微博用户兴趣分析及预测

《基于微博用户兴趣分析及预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、UserInterestAnalysisandPredictionBasedonMicroblogThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByZhenweiTaoSupervisor:Prof.JingyuHanApril2015万方数据南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，

2、除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。研究生签名：_____________日期：____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位

3、论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名：____________导师签名：____________日期：_____________万方数据摘要微博，作为一种新兴的信息分享与传播方式，在最近几年尤为流行。庞大的微博用户数以及丰富的内容，使微博不仅成为了用户获取信息的手段，而且也是一个高效的广告平台。在海量

4、的微博信息中，用户需要大量时间和精力找到感兴趣的信息，信息推荐服务应运而生。用户兴趣挖掘是实现广告精准投放和信息推荐服务的核心技术。本文在调研了国内外大量相关研究文献后，提出基于用户的微博数据分析，提炼用户兴趣，并进一步预测用户最近的兴趣变化。其步骤为：首先，对于给定用户，采集用户微博数据集，并对其使用事先构建好的过滤器进行处理。其次，先在外部知识库上构建主题模型，然后应用该主题模型对用户微博内容进行分析。再次，用户的兴趣表达为用时间权重组合的主题概率。最后，通过用户关注好友的微博数据，用最大熵模型

5、进行分析，挖掘出用户将来一段时间的兴趣，从而达到预测的目的。本方法具有以下优点：第一，考虑到微博文本内容较短的特点，提出结合外部知识库对主题模型进行训练，以实现微博内容的语义扩充。第二，提出对用户兴趣的表示，通过对每个主题加上一个时间权重，体现时间因素对兴趣变化的影响。第三，提出对用户兴趣预测的方法。理论分析和实验对比证明了本方法的可行性和有效性。关键词:微博，兴趣分析，支持向量机，主题模型，最大熵模型I万方数据AbstractMicroblog,asanewwayofinformationshar

6、inganddissemination,hasbeenespeciallypopularinrecentyears.Thelargenumberofmicroblogusersandrichcontentsmakemicroblognotonlytobecomeawaytoaccessinformationforusers,butalsobeahighlyeffectiveadvertisingplatform.Inthevastmicrobloginformation,userswilltakea

7、lotoftimeandefforttofindtheinformationtheyinterested.Sotheinformationrecommendationserviceappears.Mininguser’sinterestisthecoretechnologyforprecisionadvertisingandinformationrecommendationservice.Afterresearchingtherelatedworks,thispaperproposestoanaly

8、zetheuser’sinterestontheirmicroblogdatasets,andfurthertopredicttheusers’recentchangesintheirinterest.Firstofall,foragivenuser,itcollectstheuser’smicroblogdatasetsandfiltersthemusingthepre-builtfilter.Secondly,ontheexternalknowledgebaset