1、微博作為一種社交媒體正在越來越深刻的改變?nèi)藗儷@取信息和交流的方式。越來越多的人愿意在微博中發(fā)表自己的觀點,表達自己的心情,發(fā)布最新的消息。然而隨著用戶在微博中關注了更多的人,用戶被大量的微博信息包圍,其中很大一部分是用戶不感興趣的。這給用戶在瀏覽微博時造成了一定的困擾,降低了用戶的體驗。
　　用戶瀏覽的微博默認按照時間的先后順序排列,本文旨在使用推薦系統(tǒng)將用戶感興趣的微博靠前放置,幫助用戶更快更好的獲得信息。
　　本文首先使

2、用了基于特征矩陣分解的方法做微博推薦。矩陣分解是推薦系統(tǒng)中效果最好的方法之一,我們將其應用在微博推薦場景中。同時針對微博的特點,在做推薦時,我們同時考慮了微博的內(nèi)容和社交特征以進行更好個性化的推薦。本文將微博推薦定義為列表的排序問題,采用了搜索引擎評價中流行的MAP值作為評價指標,實驗結(jié)果證明了我們的方法較默認的時間排序能夠更好的將用戶感興趣的微排在列表的前面,同時驗證了微博推薦可以提升用戶體驗。
　　在使用推薦系統(tǒng)進行微博推薦時

3、會出現(xiàn)將過多的同類內(nèi)容推薦給用戶的問題。雖然這些同類微博可能都是用戶感興趣的,但是這樣的結(jié)果并不利于用戶獲取多樣的信息,長期使用會導致用戶體驗的降低。所以本文在普通推薦的基礎上引入列表多樣性的度量。我們希望推薦列表中微博間的相似度要盡量的低。
　　本文針對微博的特點提出了一系列的特征來度量微博相似性,使用增量Single-Pass聚類算法和聚類集成的框架將微博聚類,將該聚類結(jié)果與人工標注的結(jié)果進行了對比。使用了聚類評價中常用的NM