"基于SUMS的微博信息推送系统用户兴趣模型 (2013年) - 武汉理工大学学报(信息与管理工程版), 缪平, 陈盛双, 何云丽" 本文主要探讨了如何利用支持向量机(SVMs)构建微博信息推送系统的用户兴趣模型。信息推送作为一种智能化且时效性强的信息获取手段,通过分析用户的网络行为,如浏览历史、社交网络结构和发布内容,来理解并建模用户的兴趣偏好。 在传统的网络环境中,信息由权威机构主导,但随着Web2.0的发展,普通用户成为了信息的创造者和发布者。微博作为个性化信息发布的重要平台,提供了获取用户兴趣信息的可能性。因此,研究者以微博用户为对象,研究如何实现个性化的自适应信息推送。 文章提出,对于信息推送,关键在于理解和更新用户的兴趣模型。通过对用户历史浏览的微博内容的分析,可以理解用户的长期兴趣;同时,考虑用户的好友结构,因为用户的社交网络可以揭示其社交圈子的兴趣趋势;此外,分析用户编写博文的行为,可以揭示用户的即时兴趣和动态变化。 为了构建这个模型,支持向量机(SVM)被引入。SVM是一种有效的机器学习算法,尤其适用于处理分类和回归问题。在这里,它被用来识别和分类用户的兴趣特征。通过训练SVM,可以从大量数据中学习用户的兴趣模式,并用结构化的形式存储为兴趣模型。 随着时间的推移,用户的兴趣可能会发生变化。因此,模型需要具有自适应性,能够根据用户的新行为和浏览内容进行调整。论文中提到的“衰减因子”可能是指在更新模型时,新兴趣的权重会逐渐增加,而旧兴趣的权重会逐渐降低,确保模型能够快速响应用户的兴趣变化。 此外,文章还讨论了信息浏览者与信息发布者的区别。信息浏览者的个性化信息获取更具有挑战性,因为他们的在线活动通常不直接表达兴趣。相比之下,信息发布的用户通过他们的帖子明确表达了兴趣,这为构建兴趣模型提供了丰富的数据源。 这篇论文提出了基于SVM的微博用户兴趣模型,旨在实现更精准、更实时的信息推送服务。通过持续学习和更新用户模型,该系统能够更好地满足用户的个性化信息需求,提高信息推送的效率和准确性。
下载后可阅读完整内容,剩余3页未读,立即下载
- 粉丝: 6
- 资源: 945
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- C++多态实现机制详解:虚函数与早期绑定
- Java多线程与异常处理详解
- 校园导游系统:无向图实现最短路径探索
- SQL2005彻底删除指南:避免重装失败
- GTD时间管理法:提升效率与组织生活的关键
- Python进制转换全攻略:从10进制到16进制
- 商丘物流业区位优势探究:发展战略与机遇
- C语言实训:简单计算器程序设计
- Oracle SQL命令大全:用户管理、权限操作与查询
- Struts2配置详解与示例
- C#编程规范与最佳实践
- C语言面试常见问题解析
- 超声波测距技术详解:电路与程序设计
- 反激开关电源设计:UC3844与TL431优化稳压
- Cisco路由器配置全攻略
- SQLServer 2005 CTE递归教程:创建员工层级结构