[发明专利]基于用户特征及网络关系的微博推荐方法

摘要

本发明涉及一种基于用户特征及网络关系的微博推荐方法。该方法包括以下步骤1）网络拓扑关系矩阵的建立和更新；2)网络拓扑关系矩阵更新；3）不同用户之间关联度的确定；4）关注强度矩阵的最终确定。本发明通过构建了用户和话题之间的网络关系，得到用户和话题之间的关联程度，通过一段时间内话题内容的变化分析用户行为，利用分析的结果对关联关系进行进一步的修正，从而准确的得到用户关注的话题，对用户进行推荐，与传统的推荐方法相对比，该方法有效提高了微博话题推荐的准确度。

主权项

一种基于用户特征及网络关系的微博推荐方法，其特征是：包括以下步骤，1)网络拓扑关系矩阵A的建立和更新；针对m个微博用户，这些用户发表的话题总数为n个，建立一个n×m的矩阵；Anew=t(1,1)N1t(1,2)N2t(1,3)N3Lt(1,m)Nmt(2,1)N1t(2,2)N2t(2,3)N3Lt(2,m)Nmt(3,1)N1t(3,2)N2t(3,3)N3Lt(3,m)NmMMMOMt(n,1)N1t(n,2)N2t(n,3)N3Lt(n,m)Nm(Σj=1mt(i,j)Nj=Nj)]]>其中Nj为第j个用户发布的总微博数，t(i,j)表示用户j发布的属于话题i的微博条数；其中就是对用户j进行推荐时，话题i的初值；2)网络拓扑关系矩阵更新；建立关注强度矩阵，初始的关注强度矩阵B与网络拓扑关系矩阵A相同；即B＝A；a.T时刻若网络拓扑关系矩阵中的aij(T)＝0，一段时间t后的网络拓扑关系矩阵对于的元素aij(T+t)＞0，则关注强度矩阵B中对应位置的元素bij(T+t)＝100；b.T时刻若网络拓扑关系矩阵中的aij(T)≠0，经过nt的时间段，网络拓扑关系矩阵A中对应项的元素的值变为aij(T+nt)，若aij(T+nt)＜aij(T)；则α＝k1(aij(T)‑aij(T+nt))(k1为常数)关注强度矩阵B中对应位置的元素bij(T+nt)＝(1‑α)aij(T+nt)；c.T时刻若网络拓扑关系矩阵中的aij(T)≠0，经过nt的时间段，网络拓扑关系矩阵中对应项的元素的值变为aij(T+nt)，若aij(T+nt)＞aij(T)；则α＝k2(aij(t+nt)‑aij(T))(k2为常数)关注强度矩阵B中对应位置的元素bij(T+nt)＝(1+α)aij(T+nt)；3)不同用户之间关联度的确定；对于用户A，与其他用户j的关联度表示为RAj=Σi=1nbiAbij(i≠A)]]>其中biA表示用户A与话题i之间的关注强度，若没有可表示为0，bij为用户j与i话题之间的关注强度；通过这一公式可以计算出用户A与所有其他用户的关联度；4)关注强度矩阵的最终确定假设用户j发表了话题i，但用户A并未发表，则用户A对于话题i的关注强度可以进行预测表示为：