微博关注推荐新算法：融合信任与用户关系的RTLR模型

"结合信任和用户关系的微博关注推荐算法" 这篇研究论文《结合信任和用户关系的微博关注推荐算法》由王梦佳、贺智明和郑剑三位学者撰写，来自江西理工大学信息工程学院，受到了多项科研基金的支持。文章发表在2018年的《计算机应用研究》期刊上，主要探讨了在微博信息分享平台上如何提高用户关注推荐的准确性。 传统的用户关注推荐方法往往基于内容相似性和背景匹配来衡量用户间的距离，并通常只采用单一因素进行推荐排序，这在处理用户群体多样性时可能效果有限。为了解决这一问题，论文提出了一种名为RTLR（Relationship and Trust based List Recommendation）的新颖关注推荐算法，该算法结合了用户关系和互动行为信息，同时考虑了多种因素，构建了逻辑回归模型。 RTLR算法的核心是利用用户之间的信任度和他们在微博平台上的交互行为来提升推荐的质量。信任度是社交网络中一个关键的概念，它反映了用户之间的一种主观评价，对于推荐系统来说，能够增加推荐的可信度和接受度。用户关系则包括关注、转发、评论等互动行为，这些行为数据能反映出用户间的实际互动和兴趣相关性。 通过从中国最大的微博平台——新浪微博上收集真实数据，研究人员对RTLR算法进行了实证分析。实验结果表明，RTLR算法相比于传统方法，显著提高了关注推荐的准确性，证明了其在处理非名人用户关注推荐问题上的有效性。 关键词包括信任度、用户行为、用户关系、关注推荐和逻辑回归，这些都是该研究的关键概念。作者简介提供了每位作者的研究方向，王梦佳专注于数据挖掘和推荐系统，贺智明研究云计算和数据挖掘，而郑剑则关注大数据的隐私保护。 文章的中图分类号为TP181，表明这是一篇关于计算机科学与技术的文章。读者可以在指定的访问地址获取全文，该文章在2017年12月8日发布，并在网络出版平台上提供了优先出版的版本。 这篇论文为微博等社交网络平台的用户关注推荐提供了一个新的思路，即结合用户信任关系和行为信息，通过逻辑回归模型优化推荐准确性，这对于提升社交媒体用户体验和信息传播效率具有重要意义。