[发明专利]一种个性化微博信息推荐系统和方法

摘要

一种个性化微博信息推荐系统和方法，它涉及个性化信息推荐系统和方法，属于社交媒体信息服务技术领域。本发明要解决现有微博平台存在用户获取信息的质量与效率低、信息的有效传播速度较低的问题。本发明中一种个性化微博信息推荐系统，包括：微博特征抽取模块、用户兴趣模型模块、微博信息推荐模块、微博信息展示模块及数据模块。本发明中一种个性化微博信息推荐方法，主要包括以下几个步骤：a、用户访问系统时，获取当前实时的微博列表、用户的偏好及相关设置信息；b、抽取当前微博列表中每一条微博的统计、文本特征；c、按照微博信息推荐模块所述技术对用户获取的微博进行排序，将相关度大的微博优先排序。本发明适用于互联网交互与共享平台。

主权项

1.一种个性化微博信息推荐系统，其特征在于它包括：微博特征抽取模块（4）、用户兴趣模型模块（2）、微博信息推荐模块（5）、微博信息展示模块（7）和数据模块，其中：数据模块包括微博信息模块（3）、用户信息数据库（1）和用户浏览设置模块（6）；微博特征抽取模块（4）：根据用户历史信息与行为，对微博进行语义分析与建模，每一篇微博被表示为一个词向量的形式，记为V_d，其中每一个词具有一个权重，权重的计算公式为：weight(w,d)=tf(w,d)logNdf(w)]]>其中，其中weight(w,d)表示微博d中词w的权重，tf(w,d)表示词w在微博d中出现的频率，df(w)表示词w出现在多少篇不同的微博中，N为微博的总数，df(w)和N的值都基于不断爬取的微博数据进行统计；用户兴趣模型模块（2）：计算、存储能体现用户兴趣偏好的特征，并在预定时间内根据用户访问系统的行为更新相应用户的特征信息，用户模型为一个具有权重的词向量，记为V_u，其中每一个词的权重按照如下公式进行计算：weight(w,u)=tf(w,u)logMuf(u)]]>其中，其中weight(w,u)表示针对用户u中词w的权重，tf(w,u)表示词w在该用户发表过的所有微博中中出现的频率，uf(w)表示词w曾被多少个不同用户使用，M为微博用户的总数，同样，uf(w)和M的值都基于不采集的微博数据进行统计；微博信息推荐模块（5）：根据当前实时微博列表及用户的特征信息，基于微博特征抽取模块与用户兴趣模型模块的输出，即微博模型与用户兴趣模型，进行相关度的计算，按照计算结果将微博列表排序，该模块内置多种个性化的推荐方式，并行计算结果；所述多种个性化的推荐方式分别为：方式1：圈中热语，将用户关注的用户中具有较大转发量的微博优先排序，每一个微博被赋予一个评分代表其优先级，计算公式为：p(d|u)=Σf∈Fp(d|f)p(f|u)]]>其中p(d|u)表示对于用户u微博d的打分，F为用户u关注的用户集合，p(d|f)表示用户u关注的一个用户f对微博d的打分，如果f发表、转发或评论了微博d，则将其置为1，否则置为0，p(f|u)为用户u对用户f的关注程度根据两者之间的交互频率计算，按照这一公式对所有微博候选进行由高到低排序推荐给用户；方式2：密友寻踪，将用户关注的用户按照交互频率进行排序，将排在前面的用户发表的微博优先显示；方式3：相似口味，计算用户模型V_u与微博模型V_d之间的相似度，计算方式如下：Sim(Vu,Vd)=Vu·Vd|Vu||Vd|]]>即两个词向量的内积与它们各自模的乘积的比值，成为余弦相似度，根据公式对所有的微博候选进行排序并推荐；微博信息展示模块（7）：根据推荐模块中计算的排序结果，将微博信息呈现给用户；数据模块：用于数据的获取和储存，包括：微博信息模块（3）：实时地获取、存储用户能接收到的所有微博信息；用户信息数据库（1）：静态地存储微博用户的文本、社交方面信息；用户浏览设置模块（6）：用户可自主地选择接收微博个性化推荐服务的方式。