用戶興趣相似性度量的關系預測算法*

黃宏程，陸衛金，胡 敏，魏 青

1.重慶郵電大學 通信與信息工程學院，重慶 400065

2.重慶大學 計算機學院，重慶 400044

用戶興趣相似性度量的關系預測算法*

黃宏程1,2+，陸衛金1，胡 敏1，魏 青1

1.重慶郵電大學 通信與信息工程學院，重慶 400065

2.重慶大學 計算機學院，重慶 400044

+Corresponding autho author:r:E-mail:huanghc@cqupt.edu.cn

HUANG Hongcheng,LUWeijin,HUM in,et al.User relationships prediction algorithm w ith interest sim ilarity measurement.Journalof Frontiersof Com puter Science and Technology,2017,11(7)：1068-1079.

用戶興趣；相似性；多階量化；關系預測

1 引言

近年來，微博以發布內容簡短，關注機制靈活，推送消息及時的特點贏得用戶的青睞，取得了快速發展。以新浪微博為例，系統按照用戶標簽、微博文本、關注用戶列表等信息推送消息。充分利用這些基本信息，挖掘用戶的興趣偏好，建立用戶興趣模型，用于準確預測用戶間關系，對于改善用戶體驗，增加網絡粘性和精準廣告營銷大有裨益。因此，基于微博用戶興趣預測用戶關系已成為當前互聯網數據挖掘的研究熱點。

目前對微博用戶興趣的研究大部分是基于用戶的注冊信息、標簽[1]、微博內容、地理位置[2]和社交圈[3]等進行個性化的推薦[4]，使用戶有選擇地添加自己“感興趣”的好友。張珊靚等人[5]認為用戶的好友推薦和時間相關，因此將時間作為一個重要參數引入到隨機游走算法中，按照Top N準則將用戶作為好友關系推薦給其他用戶。吳成超等人[6]利用高斯概率隱語意模型挖掘長期興趣，通過評分時間窗獲取短期興趣，結合長短期興趣建立用戶興趣模型。孫靜宇等人[7]在基于用戶評分的協同過濾算法中，結合用戶的長短期興趣的時間加權方法，重點分析了用戶長短期興趣的識別問題，能夠更好地描述用戶興趣的變化。孫威[8]認為在線社交網絡的用戶關系是穩定的，將微博名人的興趣作為長期興趣，將普通用戶轉發和評論的內容作為短期興趣，并用遺忘曲線衡量短期興趣。郭進利[9]通過研究人類的行為動力學，認為用戶的興趣隨時間增加而逐步衰減，由此構建了相應的衰減函數。

上述這些研究充分考慮了用戶“興趣漂移”的規律，但是忽略了部分興趣用戶會長期保持的問題，使得建立的興趣模型難以客觀地描述用戶興趣的變化過程，導致推送的消息有效性不高。本文針對該問題提出了基于用戶興趣相似性的關系預測算法。將用戶的標簽信息表征長期興趣，微博文本信息表征短期興趣[10]，用戶的長期興趣可以通過關注列表推薦（即被關注用戶擁有的標簽）和短期興趣反饋（即用戶自己的微博文本信息）來修正；通過用戶興趣狀態的轉換，更新用戶興趣；按照長短期興趣的分類，采用頻率統計和多階量化的方法度量用戶興趣度。根據社會學理論[11]：用戶間越相似，越可能成為好友的原則，本文通過余弦相似性度量用戶間的興趣相似度，相似度越高，則用戶成為朋友的可能性越高。

本文組織結構如下：第2章提出用戶興趣模型，詳細闡述用戶興趣的修正、更新以及興趣度的度量，根據興趣度計算用戶相似性；第3章以新浪微博真實數據作為數據集，通過實驗分析了本文提出的基于長短期興趣進行用戶關系預測的算法的有效性；第4章總結本文工作。

2 用戶興趣建模

為了提高用戶關系預測的精度，同時兼顧到用戶“興趣漂移”和部分興趣持久保持的客觀規律，將用戶興趣分為長、短期興趣[6,12]。其中長期興趣通過關注列表獲得，短期興趣根據用戶自身的微博文本信息提取。用戶興趣模型如圖1所示。

本文分析微博的用戶原始數據，提取用戶興趣所需的標簽信息、關注列表和微博文本信息。對文本分詞后，提取關鍵詞，參照騰訊、網易、搜狐和新浪微博等，將用戶興趣分為（美食，教育，娛樂，體育，時尚，財經，科技、文化，軍事，讀書，汽車，音樂，游戲，星座，影視，購物，攝影，寵物，新聞，搞笑，生活）等21類；根據這21個興趣類提取每個興趣類所對應的關鍵詞，每個興趣類會對應多個關鍵詞（特征項）。

Fig.1 User interestmodel圖1 用戶興趣模型

經數據處理后形成的用戶興趣向量為（美食，教育，娛樂，…，搞笑，生活），每個興趣類對應的特征項代表用戶的標簽和微博文本信息。對于用戶i來說，其興趣可用圖2所示。

Fig.2 Structureof interest-characteristics圖2 興趣類-特征項結構圖

用戶i的興趣向量可以描述為：

式中，ILi是用戶i的長期興趣向量；ISi是用戶i的短期興趣向量。由于用戶i的微博文本信息中包含多個特征項，則ILi和ISi用如下向量表示：

其中，wLi是用戶i的長期興趣度向量；wSi是用戶i的短期興趣度向量。

此時用戶興趣向量和興趣度向量分別為：

由上文分析可知，用戶的短期興趣由微博文本信息中的興趣類對應的特征項表征，長期興趣通過用戶標簽信息來表征。本文將依次介紹用戶長期興趣的修正、更新過程，用戶興趣的度量方法和用戶間的相似性計算。

2.1 用戶長期興趣的修正

微博數據包含每個用戶的關注列表和標簽信息，用戶在注冊時所填寫的用戶標簽可以是平臺推薦的標準標簽，如星座、運動等，也可以個性化的填寫，比如宅男、愛睡覺等。通過分詞、提取、歸類后，用戶標簽中同興趣類的多個特征項相互合并，只保留一個特征項代表其對應的興趣類，則用戶的長期興趣就由這些不同的特征項構成。

通常微博用戶都會對他人進行關注，一旦用戶關注了其他用戶，就可以獲取到關注用戶的微博消息，這相當于用戶訂閱其關注用戶的微博內容，并對這些微博內容感興趣，因此被關注的用戶博文會反映用戶的興趣。

假設任意一個用戶i的長期興趣向量為ILi=(ILi1,ILi2,…,ILim)，共有m個興趣類，即m個興趣特征項。用戶i的關注列表是X={x1,x2,…,xv}，共有v個用戶，將這v個用戶的標簽內容求并集，該并集即是用戶i的關注列表標簽集，標簽集內元素的個數是：

本文的長期興趣是通過關注列表的推薦和短期興趣的反饋得到的。首先對分類完成以后的所有用戶標簽進行統計，原始數據經過處理和分類以后，共有48 475個微博用戶，184 201個標簽，平均每個用戶擁有4個標簽，因此本文取推薦標簽數為4。統計關注列表X中標簽集的興趣類，將出現頻率最高的4個興趣類作為關注列表推薦，即推薦興趣向量為INi=(INi1,INi2,INi3,INi4)，其中INi1在X內出現的頻率最高。現有用戶i的長期興趣向量ILi及其內的隨機興趣類j，

用ILij表示；短期興趣向量ISi；關注列表推薦向量INi及其內的隨機興趣類k，用INik表示。

算法1用戶長期興趣修正算法

輸入：用戶長期興趣向量ILi及隨機興趣類ILij

用戶短期興趣向量ISi及隨機興趣類ISik

關注列表推薦興趣類INi

輸出：修正后的長期興趣向量ILi′

1.初始化 ILi′，令 ILi′=ILi

如果ILi為空，用INi初始化ILi′

2.如果ILi′元素數量小于4

若 ILij∈ ISi，則將 ILij保留到 ILi′

若 ILij∈ INi，則將 ILij保留到 ILi′

若以上兩者情況都不滿足，將INi中出現頻率最高的興趣類添加到ILi′，直到ILi′元素數量等于4

3.如果ILi元素數量等于4，不做修正

4.如果ILi元素數量大于4

若 INik∈ ILi，則將 INik保留到 ILi′

若 ILij∈ INi，則將 ILij保留到 ILi′

若 ILij∈ ISi，則將 ILij保留到 ILi′

若以上條件均不滿足，則將INik保留到ILi′，將ILij刪除

5.返回 ILi′

通過上述用戶的長期興趣修正算法可知，修正后用戶的長期興趣向量為 ILi′=(ILi1′,ILi2′,…,ILim′)。此時用戶長期興趣的興趣類數量為mi′。

2.2 用戶興趣的更新

用戶的長短期興趣都是動態變化的，在微博數據持續的時間段內，如果短期興趣的某些興趣類持續活躍，能更充分地反映用戶在這段時間內的興趣，則動態調整短期興趣為長期興趣；如果長期興趣的某些興趣類在微博文本數據和關注列表中長時間沒有體現，表明用戶可能對此不再感興趣，則在用戶興趣修正中將之除去。本節將詳細介紹用戶興趣的更新過程。

假設用戶i的微博文本中的短期興趣向量為ISi=(ISi1,ISi2,…,ISin)，對于任一興趣類j的權重為：

式中，N′是用戶i的微博文本中所有興趣類出現的頻率和；nj′表示興趣類j在用戶i的微博文本中出現的頻率。

從式（7）可以得到每個短期興趣類的權重，對短期興趣向量按權重從大到小進行排序形成新的短期興趣向量 ISi′=(ISi1′,ISi2′,…,ISin′)，其對應的權值向量為wSi′=(wSi1′,wSi2′,…,wSin′)，其中 wSi1′＞ wSi2′＞ … ＞ wSin′，此時用戶的長期興趣向量為修正過后的興趣向量集ILi′。

算法2用戶興趣更新算法

輸入：ILi′=(ILi1′,ILi2′,…,ILim′)及其權重 wLi′ISi′=(ISi1′,ISi2′,…,ISin′)及其權重 wSi′

輸出：ILi″，ISi″

1.for j=1 to n

若 ISij′∈ ILi′，則 ISi′刪除 ISij′

end for

2.for x=1 to m

若 ILix′? ISi′且 wSij′＞ wLix′

則 ISi′刪除 ISij′，ILi′添加 ISij′

3.若 ILix′=ISiq′(1 ≤ q≤n,j≠ q)

且 wSij′＞ wLix′+wSiq′

則 ISi′刪除 ISij′，ILi′添加 ISij′

end for

4.更新長、短期興趣向量

輸出 ILi″，ISi″

上述算法對用戶長期興趣和短期興趣進行更新，最后形成新的長期興趣向量ILi″和短期興趣向量 ISi″。

2.3 用戶長短期興趣的度量

根據用戶微博文本的歷史信息來構建用戶的興趣度計算模型，對于長期興趣本文認為用戶i對其mi′個興趣類的偏好程度，可以通過標簽集X內標簽出現的頻率來表征。以興趣類在關注列表中出現的頻率為基礎度量用戶i對其標簽中的興趣類j的興趣度為：

對于用戶的短期興趣，歷史信息越接近當前時刻越能表示用戶的當前興趣，反之越不能體現用戶興趣，這種現象類似于人類行為動力學中的興趣衰減函數。因此，本文通過興趣衰減函數來刻畫用戶的短期興趣。另外用戶對某個興趣類關注越多表明用戶對該類別的興趣越明顯，本文視這一情況為重復記憶，記憶的次數越多，記憶總量越多，單次記憶的增量越少，直至穩定狀態。衰減函數表達式為：

式中，k是衰減速率。假設用戶在t0時刻的興趣度為P(t0)，根據興趣衰減函數從t0到t時刻用戶的興趣度降低到：

其中，kt是在時間段t0到t內的興趣衰減速率，衰減函數體現了在時間段[t0,t]內記憶量隨時間的變化范圍。用戶在一段時間內可能會多次發表或者轉發某一興趣類，多次重復記憶該興趣類，因此本文提出多階量化短期興趣的方法。對于某興趣類的一個特征項來說，微博在不同時刻多次發布了該特征項，發布時刻即為重復記憶的時刻。

從圖3中可以看出，用戶在每個時間段內的興趣都會衰減，在不同的時段內用戶具有不同的衰減曲率。如果相鄰時間段的興趣度初始值和衰減速率之間具有聯系，就可以度量當前的用戶興趣。下面將介紹初始值Pn和衰減速率kn計算方法。在任意時刻，用戶的興趣度為：

Fig.3 Multi-orderquantization forshort-term interest圖3 多階量化短期興趣度

從圖3中可以看出，第n階段的初始時刻，興趣度Pn為：

式中，Hn是第n次記憶增加的記憶量；Mn是前n次剩余記憶量總和。Mn可以由上一階段的興趣度量化公式得出：

用戶在重復記憶某一興趣類的時候，單次的記憶量會不斷減少，記憶總量會不斷增大，但是增長趨勢漸近平緩最終收斂。本文定義Hn為：

此時興趣度Pn可以表示為：

由上述公式可知Pn和Pn-1之間的關系，為了得出任意時刻用戶的興趣度還需要得出kn和kn-1之間的關系。本文將相鄰的興趣衰減速率線沿著橫軸和豎軸進行平移，使得兩段曲線具有相同的初始值，該過程如圖4所示。

Fig.4 Adjustmentof interest-forgetting rate圖4 興趣遺忘速率的調整

圖4中y是tn-1到tn的時間段內相鄰兩條興趣度曲線間的衰減差值，可表示為：

由此可推出kn和kn-1之間的關系：

y值的上限是：

由圖4可知，y的取值與時間間隔成正相關，因此設置一個惰性因子α，表示二者的關系，時間間隔越大，α的取值越大。將ymax劃分為α段，α反映了在不同時刻的重復記憶對遺忘速率調整的程度。

對于αn-1的取值定義為：

式中，α0是惰性因子的初始值。計量時間以天為單位，若未滿一天按一天計算。

基于衰減函數的多階量化短期興趣度方法，通過初始值可以得到任意時刻的P、k和α，進而可以計算用戶的短期興趣度，得到用戶的短期興趣度向量。

2.4 用戶相似性計算

通過上文對用戶興趣的修正和更新以后，分別得到新的興趣向量ILi″和ISi″，興趣度向量wLi″和wSi″。則用戶i的興趣向量和興趣度向量是：

得到Ii″和wi″后，再根據（美食，教育，娛樂，…，搞笑，生活）來調整并統一表征用戶興趣，同樣與用戶興趣度向量一一對應，若用戶不包含某項興趣類，則在興趣度向量中對應的興趣度值為0。綜上所述，可以得到具有相同的興趣度向量和不同的興趣度向量的各個用戶。

進一步，通過計算用戶間的興趣相似性來度量用戶關系，若相似性值較大，則預測用戶之間產生關系的可能性較大；反之，則可能性較小。用戶間的興趣相似性是以用戶興趣度向量為基礎，使用余弦相似性指標來計算任意兩個用戶的興趣相似性，公式為：

3 實驗結果和驗證

3.1 微博數據處理

本文使用北京理工大學的網絡搜索挖掘與安全實驗室公布的新浪微博用戶數據[13]，來驗證本文算法的性能。數據集包括72 910條用戶的個人信息和285MB的微博數據。微博用戶個人信息的原始數據包括用戶ID、地區、用戶名、關注（關注用戶數）、標簽、關注列表等字段；用戶微博文本信息是指用戶發表和轉發的微博，包括用戶ID、回復數、評論數和微博產生的時間。原始數據如表1所示。

在處理數據之前需要對數據進行預處理，根據本文算法的實際需求，去掉數據集內關注列表數小于10個或者發表的微博數小于10條的不活躍用戶，因為該類用戶的關注用戶和微博內容較少，很難獲取到準確的興趣數據，研究意義不大。經預處理后得到48 475個用戶和1 127 164個用戶關系。由表2可知，用戶的微博數據雜亂，語義模糊，為了準確提取用戶興趣，首先需要對微博數據進行提取和分詞。本文采用基于漢語詞法分析系統最新版本的“NLPIR漢語分詞系統”，用Java重寫并將完全開源的漢語分詞系統Ansj作為數據的分詞工具。Ansj是Java編程，應用于自然語言處理的準確、高效、自由的中文分詞工具，可用于人名、地名、組織機構名的識別和關鍵詞提取等領域。在Eclipse中導入ansj-seg.jar和ansj-tree-split.jar這兩個Java架包，其中ansj-seg是引用中文語料庫，ansj-tree是分詞模型。得到的分詞效果如表2所示。

Table1 M icroblog dataofusers表1用戶的微博數據

Table2 Resultsof participles表2 分詞結果

對微博數據分詞之后，去掉數據中的一些連詞或者無意義詞，如“的”，提取關鍵詞，如“睡覺”、“跑步”、“投資”等。根據用戶興趣向量（美食，教育，娛樂，…，搞笑，生活）對用戶分類以后，將每個用戶標簽內的特征項進行同興趣類合并，得到不同的興趣類。通過分類和數據提取得到用戶的標簽、關注列表信息和微博文本信息，如表3所示。

表3中，字段uid是用戶ID號；suid表示源用戶的ID號；tuid表示目的用戶的ID號，并且suid關注tuid；label是用戶標簽；time是用戶發表或轉發微博的時間；topic是提取一個微博的主題。微博用戶既可以雙向關注也可以單向關注，因為本文算法分析的重點是用戶的關注列表，所以在分析微博網絡時，考慮的用戶關系都是單向的。得到該網絡的一些關鍵數據如表4所示。

Table3 Processedm icroblog data表3 處理后的微博

Table 4 Data of localnetwork structure in Sinam icroblog表4 新浪微博局部網絡結構數據

從表4可知，微博網絡的用戶量較大，對應的用戶關系數量相對較少，表明網絡結構較為稀疏，聚類系數指標也可以反映該結論；該網絡的平均度和平均路徑長度這兩項指標反映出用戶之間的交流和互動比較方便；網絡節點的度分布較為均勻。圖5所示為新浪微博用戶的度分布。

Fig.5 Degree distribution of Sinam icroblog users圖5 新浪微博用戶的度分布

由圖5的總體趨勢可看出，當關注數小于200時，微博用戶較為集中；當用戶的關注數大于200時，用戶數量較少，但是用戶度分布范圍較大，體現了社交網絡的長尾效應。

3.2 實驗結果分析

本文提出的基于用戶興趣相似性的關系預測算法使用AUC和Precision評價指標驗證預測效果。將網絡中實際存在的用戶關系集E隨機分為95%的訓練集ET和5%的測試集EP。用戶興趣是根據用戶的標簽、微博文本內容和關注列表獲取的，用戶的興趣被分為長期興趣和短期興趣。

圖6表示用戶標簽數的分布情況，其中微博用戶添加標簽的上限是10個。從圖6中可以得出，不存在標簽的用戶在數據集內所占比例高達45.73%，低于存在標簽的用戶數量，因此可以用標簽和關注列表來表征長期興趣。對于存在標簽的用戶來說，標簽數量分布較為不均勻，其中標簽數小于4的用戶較多，大于4的用戶較少。這表明有一些用戶可能不知道添加標簽或者不愿意去嘗試添加標簽，導致無法準確地描述用戶興趣；另一些用戶可能嘗試性地體驗添加幾個標簽，或者特意盡可能多地添加標簽直到上限，從而充分地展示自己，但存在虛假或者不活躍興趣類的問題。因此，通過關注列表修正用戶興趣對于準確描述用戶興趣，進而提高用戶關系預測的準確性具有重要的作用。

Fig.6 Distribution of thenumberofusersw ith thetag圖6 用戶數量隨標簽的分布

用戶的短期興趣是由微博文本內容表征的，短期興趣度需要經過多階量化的方法獲取。在求短期興趣度時，有3個參數需要確定，即興趣度的初始值P0、衰減曲率的初始值k0和惰性因子α0。本文使用衰減函數進行多階量化短期興趣的興趣度，為了便于計算和分析，設置初始興趣度P0=1.0，初始衰減速率k0=1.0。惰性因子α反映用戶重復記憶的頻率，影響著用戶的短期興趣度，但是因為不同用戶對同一興趣類具有不同的記憶頻率，為了降低計算的復雜性，設置一個初始定值α0。為了獲取α0，本節設置不同取值，通過多階量化的方式度量用戶的微博文本內容，使用余弦函數計算用戶間的短期興趣相似性，最后通過AUC和Precision指標進行評價，經過多次計算取得的平均值如圖7所示。

Fig.7 Impactof inertia facton forecasting resultsof short-term interestsim ilarity圖7 惰性因子對短期興趣相似性預測結果的影響

從圖7中可以看出，隨著初始惰性因子α0取值的增加，算法的AUC和Precision值逐漸變大，這是因為在惰性因子較小時，重復記憶增加的記憶量變化較大，調整效果較明顯；在取值為6時，模型的AUC和Precision值最大，預測效果最好；當取值大于6時，AUC和Precision值略有下降直至穩定。這是由基于短期興趣相似性的預測算法中用戶對各個興趣類的記憶量具有衰減和趨于收斂的特性決定的。

為了驗證通過多階量化的方式度量短期興趣的效果，本文基于微博文本內容分別利用多階量化、TF-IDF和遺忘曲線方法度量用戶的興趣度，并通過余弦指標計算用戶間的相似性。這3種預測算法的AUC和Precision值對比結果如圖8。

Fig.8 Comparison of differentprediction algorithms based onm icroblog contents圖8 基于微博文本內容的預測算法的效果對比

從圖8中可以看出，基于多階量化短期興趣的預測算法的AUC和Precision值都要優于基于遺忘曲線的預測算法[14]和基于IF-TDF的預測算法[15]，表明考慮用戶興趣變化并進行多階量化，能夠較為有效地提高用戶關系預測的準確性。

本文認為用戶的短期興趣能夠轉化成長期興趣，長期興趣需要短期興趣的反饋來修正。用戶興趣的更新和修正，表明用戶的長短期興趣之間不但具有一定的差異性，也具有緊密的關聯性。為了驗證用戶的長期興趣和短期興趣的關聯性，本文繼續對所有用戶標簽、微博數和關注用戶數進行統計，得到圖9。

從圖9中可以看出，用戶的標簽數量在某種程度上能夠反映出用戶微博的活躍程度。標簽越多的用戶，其發布的微博平均數量也越多，關注列表的用戶越多；微博和關注用戶的數量走勢雖然有一些波動，但整體上也呈現上升趨勢，這個現象表明用戶添加標簽的數量與其微博活躍程度呈現正相關關系。因此本文認為采用標簽表征的長期興趣和微博文本內容表征的用戶短期興趣具有相同的變化趨勢，體現了二者之間的關聯性。

Fig.9 Correlation between numberof tag and interestofusers圖9 標簽數與用戶興趣關聯性

Fig.10 Contrastof interestdegreebetween long-term interestand short-term interest圖10 長短期興趣的興趣度對比

從圖10中可以看出，用戶長短期興趣度具有較大的差異性。用戶對每個興趣類的興趣度都較低，雖然長短期興趣對各興趣類具有不同的偏好程度，但長期興趣度在整體上低于短期興趣度。從用戶興趣的持久性來看，教育、音樂、新聞、星座等長期興趣類的興趣度高于短期興趣。在數據持續的這段較短的時間內，用戶對科技、娛樂和購物等興趣類更感興趣。通過上述對用戶長短期興趣的關聯性和差異性的分析可知，本文將用戶興趣分為長短期興趣，對興趣的度量和整體更新具有合理性。

為了驗證本文用戶興趣更新的效果，對比分析本文的預測算法和在本文算法的基礎上忽略用戶興趣更新的預測算法，得到的AUC和Precision值是通過100次實驗得到的平均值。

從圖11中可以看出，本文的預測算法相比較于忽略用戶興趣更新預測算法的AUC值高1.647%，Precision值高0.932%。由實驗結果可知，雖然用戶的微博文本內容中包含的信息量較大，但是微博內容特別雜亂，或者由于一些不可預知的原因，導致興趣類容易發生改變。因此考慮用戶的短期興趣類向長期興趣的轉換和長期興趣類的消失或沉默，準確地細化用戶興趣的狀態并及時更新用戶興趣，能夠降低未知因素的干擾，得到較為穩定的用戶興趣，提高用戶關系預測的準確性。

Fig.11 Impactof interestupdating ofuserson forecasting results圖11用戶興趣更新對預測結果的影響

為了驗證本文算法的預測效果，選取4種構建用戶興趣的算法與本文的興趣相似性算法進行對比分析。這4種算法分別是經典算法TF-IDF和LDA[16]，基于隱含語義動態分析用戶興趣的DPLSA算法[17]，融合網絡結構和微博內容的TFP算法[18]。通過這4種算法計算用戶間的相似性，并通過AUC和Precison評價指標對這些算法進行評價，得到的預測效果如圖12所示。

從這5類算法的預測效果上來看，本文算法的預測效果最好，TFP算法次之，TF-IDF算法的效果最差。本文算法動態考慮了用戶興趣變化，并通過關注列表推薦興趣偏好，也在一定程度上融合了社交網絡的局部結構特征，因此預測效果較為明顯。TFP算法融合了網絡結構和微博內容信息，從整體網絡結構和用戶興趣兩方面考慮用戶的相似性，但是因為新浪微博對每個用戶信息有嚴格的限制，難以獲取全部的結構信息。另外該算法并未考慮用戶興趣的變化，影響了預測精度。DPLSA算法采用固定的時間窗口跟蹤用戶興趣的變化，表征用戶興趣不太準確。TF-IDF和LDA算法都是通過語料庫來提取關鍵字，導致很多與興趣無關的關鍵字融入在興趣集內，從而使得算法的預測精度較低。

綜上所述，本文對比并分析了用戶長期興趣和短期興趣之間的差異性和關聯性，并采用不同的方式度量、修正和更新用戶興趣。實驗仿真結果表明，本文基于用戶興趣相似性的用戶關系預測算法設計合理有效，能夠準確地描述用戶興趣，并提高用戶間關系預測的準確性。

4 結束語

本文分析了目前基于用戶興趣的關系預測算法忽略用戶興趣具有持久性和易變性的特征，導致無法準確描述用戶興趣，以及用戶關系預測準確性低的問題。針對該問題，本文構建了基于微博用戶興趣相似性的預測模型，根據關注列表推薦和短期興趣反饋來修正用戶的長期興趣，通過興趣類的長短期興趣轉換實現用戶興趣的更新；采用基于興趣衰減函數的多階量化方法計算短期興趣度，基于興趣類的頻率統計計算長期興趣度；最后通過余弦相似性計算用戶的興趣相似度來預測用戶關系。通過實驗證明，本文針對用戶長短期興趣采用不同方式進行度量，并對用戶興趣進行修正、更新，能夠準確地描述用戶興趣，對用戶關系預測具有較好的預測效果。

[1]Liu Zhiyuan,Shi Chuan,Sun Maosong.FolkDiffusion:a graph-based tag suggestionmethod for folksonom ies[C]//LNCS 6458:Proceedings of the 6th Asia Information Retrieval Societies Conference,Taipei,China,Dec 1-3,2010.Berlin,Heidelberg:Springer,2010:231-240.

[2]Backstrom L,Sun E,Marlow C.Findme if you can:improving geographicalpredictionw ith socialand spatialproximity[C]//Proceedings of the 19th International Conference on World WideWeb,Raleigh,USA,Apr 26-30,2010.New York:ACM,2010:61-70.

[3]Yang Changchun,Yang Jing,Ding Hong.A new friends recommendation algorithm for Sina m icroblogging[J].Computer Application and Software,2014,31(7):255-258.

[4]Wang Guoxia,Liu Heping.Survey of personalized recommendation system[J].Computer Engineering and Applications,2012,48(7):66-76.

[5]Zhang Shanliang,Zhou Yan.Timeweighted social networks link prediction algorithm based on random walk[J].Computer Applicationsand Software,2014,31(7):28-30.

[6]Wu Chengchao,WangWeiping.PLSA collaborative filtering algorithm incorporated w ith user interest change[J].Computer SystemsApplications,2014,23(5):162-166.

[7]Sun Jingyu,Li Xianhua,Yu Xueli.An improved item-based collaborative filtering algorithm w ith distinction between user's long and short interests[J].Journalof Zhengzhou University:Natural Science Edition,2010,42(2):35-38.

[8]Sun Wei.Interestmining and modeling form icro-bloggers ofmicro-blog[D].Dalian:Dalian University of Technology,2012.

[9]Guo Jinli.Complex networks and dynam ic evolutionmodel ofhuman behavior[M].Beijing:Science Press,2013:204-206.

[10]Qiu Jun.Research on user interestmodeling based onmicroblog social network[D].Shanghai:Shanghai Jiao Tong University,2013.

[11]Qiao Xiuquan,Yang Chun,LiXiaofeng,etal.A trust calculating algorithm based on social networking service users'context[J].Chinese Journal of Computers,2011,34(12):2403-2413.

[12]Li Feng,Pei Jun,You Zhiyang.Adaptive user interestmodel based on the implicit feedback[J].Computer Engineering and Applications,2008,44(9):76-79.

[13]Zhang Huaping.Sinam icroblog users'data[EB/OL].(2014-07-08)[2016-04-06].http://www.datatang.com/org/6880.

[14]Li Kechao,Liang Zhengyou.Exponential forgetting collaborative filtering recommendation algorithm incorporated w ith user interest change[J].Computer Engineering and Applications,2011,47(13):154-156.

[15]Pramono L H,Rohman A S,Hindersah D H.Modified weighting method in TF-IDF algorithm for extracting user topic based on email and socialmedia in integrated digital assistant[C]//Proceedings of the 2013 Joint International Conference on Rural Information&Communication Technology and Electric-Vehicle Technology,Bandung,Indonesia,Nov 26-28,2013.Piscataway,USA:IEEE,2013:1-6.

[16]Bian Jinqiang,Jiang Zengru,Chen Qian.Research onmultidocument summarization based on LDA topic model[C]//Proceedings of the 6th International Conference on Intelligent Human-Machine Systems and Cybernetics,Hangzhou,China,Aug 26-27,2014.Piscataway,USA:IEEE,2014:113-116.

[17]Yan Meng,Zhang Xiaohong,Yang Dan,etal.A component recommender for bug reports using discrim inative probabilitylatent semantic analysis[J].Information and Software Technology,2016,73:37-51.

[18]Shang Yanm in,Zhang Peng,Cao Yanan.A new interestsensitive and network-sensitivemethod for user recommendation[J].Journalon Communication,2015,36(2):121-129.

附中文參考文獻:

[3]楊長春,楊晶,丁虹.一種新的新浪微博好友推薦算法[J].計算機應用與軟件,2014,31(7):255-258.

[4]王國霞,劉賀平.個性化推薦系統綜述[J].計算機工程與應用,2012,48(7):66-76.

[5]張珊靚,周晏.基于隨機游走的時間加權社會網絡鏈接預測算法[J].計算機應用與軟件,2014,31(7):28-30.

[6]吳成超,王衛平.考慮用戶興趣變化的概率隱語意協同推薦算法[J].計算機系統應用,2014,23(5):162-166.

[7]孫靜宇,李鮮花,余雪麗.區分用戶長短期興趣的IBCF改進算法[J].鄭州大學學報:理學版,2010,42(2):35-38.

[8]孫威.微博用戶興趣挖掘與建模研究[D].大連:大連理工大學,2012.

[9]郭進利.復雜網絡和人類行為動力學演化模型[M].北京:科學出版社,2013:204-206.

[10]仇鈞.基于微博社會網絡的用戶興趣模型研究[D].上海:上海交通大學,2013.

[11]喬秀全,楊春,李曉峰,等.社交網絡服務中一種基于用戶上下文的信任度計算方法[J].計算機學報,2011,34(12):2403-2413.

[12]李峰,裴軍,游之洋.基于隱式反饋的自適應用戶興趣模型[J].計算機工程與應用,2008,44(9):76-79.

[14]李克潮,梁正友.適應用戶興趣變化的指數遺忘協同過濾算法[J].計算機工程與應用,2011,47(13):154-156.

[18]尚燕敏,張鵬,曹亞男.融合鏈接拓撲結構和用戶興趣的朋友推薦方法[J].通信學報,2015,36(2):121-129.

黃宏程（1979—），男，河南南陽人，2006年于重慶郵電大學獲得碩士學位，現為博士研究生，重慶郵電大學通信與信息工程學院副教授，CCF會員，主要研究領域為復雜網絡，信息處理，大數據技術與應用等。

LUWeijin was born in 1989.He is an M.S.candidate at School of Communication and Information Engineering,Chongqing University of Postsand Telecommunications.His research interest ispersonalized recommendation.

陸衛金（1989—），男，江蘇南通人，重慶郵電大學通信與信息工程學院碩士研究生，主要研究領域為個性化推薦。

HU M inwasborn in 1971.She received theM.S.degree from Chongqing University of Postsand Telecommunications in 2002.Now she isan associate professor and M.S.supervisor at Schoolof Communication and Information Engineering,Chongqing University of Postsand Telecommunications.Her research interests includew ireless communication,communication network system and protocol,etc.

胡敏（1971—），女，重慶人，2002年于重慶郵電大學獲得碩士學位，現為重慶郵電大學通信與信息工程學院副教授、碩士生導師，主要研究領域為無線通信，通信網體系與協議等。

WEIQing was born in 1990.He is an M.S.candidate at School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications.His research interests include communication network system and big dataanalysis,etc.

魏青（1990—），男，河南信陽人，重慶郵電大學通信與信息工程學院碩士研究生，主要研究領域為通信網體系，大數據分析等。

User Relationships Prediction Algorithm w ith Interest Sim ilarity M easurement*

HUANG Hongcheng1,2+,LUWeijin1,HUM in1,WEIQing1
1.School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications,Chongqing 400065,China
2.Collegeof Computer Science,Chongqing University,Chongqing 400044,China

For the problem that current researchers only pay their attention to the changeability and ignore the durability when they study user interest inm icroblog,this paper proposes a user relationship prediction algorithm based on interest sim ilarity.In this algorithm,interests are divided into two types:long-term interest characterized by labels and short-term interestcharacterized by texts,and a frequency statisticsandmulti-orderquantizationmethod isused to measure and update the degree of user interestaccording to the features of the interest.The sim ilarity between user interests is computed by themethod of cosine sim ilarity which is used to predictuser relationship.Results show that the proposed algorithm can accurately describe user's interest,and improve the precision of user relationship prediction.

user interest;sim ilarity;multistagequantization;relationship prediction

gcheng was born in 1979.He

the M.S.degree in communication and information engineering from Chongqing University of Posts and Telecommunications in 2006.Now he is an associate professor at School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications,and the member of CCF.His research interests include complex network,information processing,big data technology and application,etc.

A

：TP391

*The National Natural Science Foundation of China under Grant No.61401051(國家自然科學基金);the Foundation and Frontier Research Projectof Chongqing Science and Technology Comm ission under GrantNo.cstc2014jcyjA 40039(重慶市科委基礎和前沿研究項目);the Science and Technology Research Projectof Chongqing Municipal Education Comm ittee under Grant No.KJ1400402(重慶市教委科學技術研究項目).

Received 2016-06,Accepted 2016-09.

CNKI網絡優先出版:2016-09-08,http://www.cnki.net/kcms/detail/11.5602.TP.20160908.1045.012.htm l

摘 要：針對目前研究微博用戶興趣變化時，只考慮用戶興趣的易變性而忽略了用戶興趣持久性的問題，提出了基于用戶興趣相似性的用戶關系預測算法。將用戶興趣分為短期興趣和長期興趣，用戶的文本信息表征為短期興趣，用戶的標簽表征為長期興趣。根據長短期興趣的特征，采用頻率統計和多階量化的方法度量用戶興趣度并更新用戶興趣狀態。最后通過余弦相似性指標計算用戶間的興趣相似度來預測用戶關系。實驗結果表明，該算法能夠準確描述用戶興趣，提高用戶關系預測的準確性。