面向SNS的混合推薦算法的研究與應用.pdf

1、隨著社交網絡的快速興起和廣泛應用，海量數據充斥到社交網絡中，信息過載問題成為了當前首要解決的任務之一。推薦技術是解決信息過載問題的一個重要手段，同時也是結合自然語言處理、數據挖掘等交叉領域的重要研究課題，其在多個領域中具有較高的學術與應用價值。本文采用基于內容和基于協同過濾的混合推薦方法，完成了相關用戶推薦和用戶相關信息推薦，主要工作如下:
　　1)基于語言模型的相似詞與相近詞研究。利用用戶的歷史數據，結合中文詞性分析，構建出相似

2、詞與相近詞的分析模型，從而得到POS-CBOW語言模型和POS-Skip-gram語言模型。
　　2)基于語言模型的詞推薦與人物推薦。通過分析文本的語言學規(guī)律，結合語言模型生成的高維空間詞向量，完成相關詞的計算以及相關人物計算。
　　3)基于混合推薦的用戶群體及相關信息推薦。通過帶有淺層語義關系的語言模型，完成詞的分級聯想，然后利用分級信息完成分級用戶集的篩選，最后通過情感計算和興趣詞抽取，完成用戶的相關信息推薦。