基于用戶興趣度的微博混合推薦算法研究

張興宇

(淮南職業(yè)技術(shù)學(xué)院, 安徽 淮南 232001)

隨著社交網(wǎng)絡(luò)的迅速發(fā)展,微博作為一種重要的社交媒體平臺,已成為人們獲取信息、分享觀點(diǎn)和交流互動的重要途徑。然而,微博平臺上信息的海量和多樣性也給用戶帶來了挑戰(zhàn),如何從眾多的微博中篩選出用戶感興趣的內(nèi)容,成為了亟待解決的問題。推薦系統(tǒng)作為一種有效的信息過濾和個性化服務(wù)技術(shù),已成為改善用戶體驗、提升平臺活躍度的重要手段。

一、微博常用推薦算法存在的問題

在過去的幾年里,推薦系統(tǒng)的研究取得了長足的進(jìn)展。協(xié)同過濾、基于內(nèi)容的推薦以及深度學(xué)習(xí)等技術(shù)被廣泛應(yīng)用于推薦系統(tǒng)中,取得了一定的成果。然而,針對微博這樣特殊的社交媒體平臺,傳統(tǒng)的推薦算法在面對一些挑戰(zhàn)時仍然存在一定的局限性。

(一) 推薦準(zhǔn)確度不高

首先,微博的內(nèi)容呈現(xiàn)高度的實時性和時效性,用戶感興趣的話題可能發(fā)生改變。傳統(tǒng)算法往往無法有效地捕捉到這種動態(tài)變化,導(dǎo)致推薦結(jié)果落后于用戶興趣的實時變化。其次,微博內(nèi)容的特點(diǎn)在于信息短小、碎片化,很多內(nèi)容并沒有明確的關(guān)鍵詞或標(biāo)簽。這給推薦算法帶來了語義理解和推薦準(zhǔn)確度的挑戰(zhàn)。再者,微博平臺上用戶之間的社交關(guān)系復(fù)雜多樣,用戶的興趣和行為受到多個因素的影響,包括關(guān)注的好友、話題、地理位置等。傳統(tǒng)的推薦算法往往未能充分利用這些社交關(guān)系信息,影響了推薦效果的精準(zhǔn)性。

(二) 推薦的個性化和多樣性不足

傳統(tǒng)的協(xié)同過濾算法雖然廣泛應(yīng)用于各種推薦系統(tǒng)中,但也存在一些缺點(diǎn)和局限性,這可能對推薦的個性化和多樣性產(chǎn)生重要影響。首先,數(shù)據(jù)稀疏性問題。 在大多數(shù)推薦系統(tǒng)中,用戶-物品評分矩陣是非常稀疏的,即大部分用戶只評分了少數(shù)物品。這導(dǎo)致很難找到足夠數(shù)量的相似用戶或物品,從而影響了推薦的準(zhǔn)確性和覆蓋度。其次,冷啟動問題[1]。當(dāng)推薦系統(tǒng)面對新用戶或新物品時,由于缺乏歷史行為數(shù)據(jù),傳統(tǒng)的協(xié)同過濾算法很難準(zhǔn)確推薦給這些用戶或物品。第三,長尾物品問題[2]。在真實世界的推薦系統(tǒng)中,有很多物品被稱為“長尾物品”,即它們受歡迎程度較低,用戶評分較少。傳統(tǒng)的協(xié)同過濾算法往往對這些長尾物品推薦效果較差,因為缺乏足夠的相似性信息。最后,靈活性限制。傳統(tǒng)協(xié)同過濾算法主要依賴于用戶行為數(shù)據(jù)或物品特征信息,而很少考慮其他因素如時間、地理位置等。

二、微博常用推薦算法簡介

(一) 協(xié)同過濾的推薦算法

協(xié)同過濾是一種常用的推薦算法,它屬于協(xié)作式過濾技術(shù)的一種[3]。協(xié)同過濾算法主要用于個性化推薦系統(tǒng),旨在預(yù)測用戶對未知物品的喜好或評分,并根據(jù)預(yù)測結(jié)果向用戶推薦他們可能感興趣的物品。協(xié)同過濾算法基于用戶行為數(shù)據(jù)或物品特征數(shù)據(jù)進(jìn)行推薦。其核心思想是利用用戶——物品之間的相互作用,找到用戶之間或物品之間的相似性,從而推薦給用戶他們可能感興趣的物品。該算法的核心優(yōu)勢在于它不需要對用戶和物品進(jìn)行顯式的特征工程,而是從用戶的歷史行為數(shù)據(jù)中學(xué)習(xí)到用戶興趣和物品特性。在基于用戶的協(xié)同過濾中,首先構(gòu)建一個用戶——物品評分矩陣,其中每個元素表示用戶對物品的評分或行為(如購買、點(diǎn)擊等)。然后,根據(jù)用戶之間的相似度,找到興趣最相近的用戶。最后,通過這些相似用戶對未評分物品的評分進(jìn)行加權(quán)平均或其他預(yù)測方法,為目標(biāo)用戶生成推薦列表。協(xié)同過濾算法簡單直觀,適用于推薦系統(tǒng)中的冷啟動問題,但也存在一些限制,比如稀疏性問題、冷啟動問題、可擴(kuò)展性等[4]。因此,研究者們在實踐中不斷改進(jìn)和優(yōu)化協(xié)同過濾算法,同時結(jié)合其他技術(shù)如深度學(xué)習(xí)等,以提高推薦系統(tǒng)的性能和用戶體驗。

(二) TF-IDF算法

TF-IDF(Term Frequency-Inverse Document Frequency)是一種常用的文本特征提取方法,廣泛應(yīng)用于信息檢索、文本挖掘和自然語言處理等領(lǐng)域,它用于衡量一次詞語在文本中的重要程度[5]。其中,TF(Term Frequency)指的是某個詞語在文檔中出現(xiàn)的頻率,表示一個詞在單個文檔中的重要性。

IDF(Inverse Document Frequency)指的是逆文檔頻率,衡量了一個詞語在整個文檔集合中的普遍重要性。

TF-IDF的計算方式為將TF與IDF相乘,得到一個詞語在文檔中的TF-IDF值,TF-IDF值高表示該詞在該文檔中頻繁出現(xiàn),且在整個文檔集合中較為罕見,因此具有較高的區(qū)分度和重要性。TF-IDF算法的優(yōu)點(diǎn)在于簡單有效,不需要復(fù)雜的訓(xùn)練過程,直接從文本中提取重要特征。它常被用于文本相似度計算、關(guān)鍵詞提取、文本分類、信息檢索等任務(wù)。在信息檢索領(lǐng)域,TF-IDF算法常用于對用戶輸入的關(guān)鍵詞進(jìn)行加權(quán)排序,從而返回相關(guān)度較高的文檔。

(三) 相似度計算

推薦系統(tǒng)中的相似度計算是一個關(guān)鍵步驟,用于衡量用戶、物品或其他實體之間的相似性[6]。相似度計算在協(xié)同過濾、內(nèi)容推薦以及混合推薦等推薦算法中起著重要作用。在協(xié)同過濾中,相似度計算用于尋找與目標(biāo)用戶興趣相似的其他用戶或與目標(biāo)物品相似的其他物品。常用度量相似度的方法有:余弦相似度、皮爾遜相關(guān)系數(shù)、歐氏距離等。余弦相似度是基于用戶或物品的特征向量,衡量它們之間的夾角,值越接近1表示越相似。皮爾遜相關(guān)系數(shù)則考慮了用戶或物品評分的均值,用于消除用戶之間評分尺度的不同,值越接近1表示越相關(guān)。在內(nèi)容推薦中,相似度計算用于衡量不同物品之間的相似性,通常是通過比較它們的特征向量或文本表示。對于文本數(shù)據(jù),常用的相似度度量方法包括TF-IDF算法、Word2Vec等,它們可以計算文本之間的相似程度,從而為用戶推薦具有相似內(nèi)容的物品。余弦相似度計算算法如下:

三、基于用戶興趣度的微博混合推薦算法構(gòu)建

(一) 構(gòu)建微博特征詞向量和用戶興趣度向量

通過爬取收集用戶微博的歷史數(shù)據(jù)可以獲取用戶的話題偏好,在對用戶的微博數(shù)據(jù)進(jìn)行數(shù)據(jù)分析的時候,會發(fā)現(xiàn)微博本文用包含重復(fù)高頻的無意義詞和各種符號,例如:“的”、等,需要對這些無意義的詞進(jìn)行過濾,留下有意義的微博特征詞。第一,微博特征詞向量(Weibo feature word Vector)。定義微博特征詞向量(Weibo feature word Vector)來表示微博話題的數(shù)據(jù)特征,使用TF-IDF公式來計算每一個特征詞的值,當(dāng)大于一定的閾值,特征詞保留并將計算結(jié)果加入微博特征詞向量。WFWV={ω1,ω2,ω3,…ωm} 。計算微博特征詞向量里每一項,使用TF-IDF公式進(jìn)行計算。話題a中第i個詞的TF-IDF值為:

第二,用戶興趣度向量(User interest vector)。為了表征微博話題特征詞在推薦用戶歷史數(shù)據(jù)的偏好程度,使用用戶興趣度系數(shù)來進(jìn)行衡量。下面為用戶興趣度系數(shù)的公式:

UIV={γ1,γ2,γ3,…,γm}

式中N表示特征詞為用戶微博文本中出現(xiàn)的個數(shù),根據(jù)數(shù)學(xué)公式用戶興趣度系數(shù)的取值范圍在區(qū)間(0.5,1)中。

(二) 微博混合推薦算法構(gòu)建

融合協(xié)同推薦和用戶興趣度的微博混合推薦算法

輸入:微博話題j

輸出:混合推薦話題集合RX

1:計算Wi,a;

2:if (Wi,a>K1);

3:將該話題加入推薦話題集合Rc;

4:else刪除該話題;

5:end if;

6:for(i=1;i

7:計算 NER oftopicc的Wi,a;

8:if (Wi,a>K2)

10:else 刪除該特征詞;

11:end if;

12:};

13:end for;

14:for(i=0;i

15:計算NER oftopicc對于用戶興趣度系數(shù)γi

16:if(γi>K3)

18:else刪除該系數(shù);

19:end if;

20:};

21:end for;

22: for( i = 1; i <=n; i++ )

25:將話題加入待推薦話題集合Rx;

26:else刪除該話題;}

27:end if;

28:將Rx中內(nèi)容推薦給用戶;

四、混合推薦算法改進(jìn)效果

構(gòu)建融合協(xié)同推薦和用戶興趣度的微博混合推薦算法的目的,旨在克服傳統(tǒng)推薦算法的局限性,提高微博推薦的準(zhǔn)確性和多樣性。對比融合算法與傳統(tǒng)的單一推薦算法,改進(jìn)算法在微博推薦效果表現(xiàn)較好。第一,提高了推薦準(zhǔn)確性。通過融合協(xié)同推薦和用戶興趣度,能夠更全面地挖掘用戶的興趣偏好和社交關(guān)系,從而生成更準(zhǔn)確的推薦結(jié)果。在實驗中,混合推薦算法的準(zhǔn)確率明顯高于傳統(tǒng)的協(xié)同推薦算法。這表明混合推薦算法能夠更好地理解用戶的需求和興趣,提供更符合用戶實際喜好的推薦內(nèi)容。第二,擴(kuò)大了推薦覆蓋率。傳統(tǒng)的協(xié)同推薦算法往往存在冷啟動問題,即對于新用戶或新微博的推薦效果較差。而混合推薦算法通過結(jié)合用戶興趣度向量,能夠更好地處理冷啟動問題,擴(kuò)大推薦的覆蓋范圍。對比發(fā)現(xiàn),混合推薦算法的覆蓋率明顯高于傳統(tǒng)算法,為新用戶提供了更多的推薦話題。第三,增加了推薦多樣性。用戶在社交網(wǎng)絡(luò)中具有多樣的興趣和關(guān)系,因此推薦算法應(yīng)該能夠提供豐富多樣的推薦內(nèi)容。混合推薦算法通過綜合用戶的興趣偏好,能夠為用戶提供更多樣化的推薦結(jié)果。對比發(fā)現(xiàn),混合推薦算法的推薦內(nèi)容更具多樣性,用戶能夠看到更豐富的微博內(nèi)容,增強(qiáng)了用戶的滿意度和粘性。第四,改進(jìn)了算法的適用性。融合協(xié)同推薦和用戶興趣度的混合算法在不同場景下都表現(xiàn)出了良好的適用性。不論是針對新用戶、活躍用戶還是長尾用戶,混合推薦算法都能夠提供個性化、準(zhǔn)確的推薦服務(wù)。第五,加強(qiáng)了算法的實時性。在微博平臺上,用戶產(chǎn)生的數(shù)據(jù)和微博內(nèi)容更新非常迅速,因此推薦算法的實時性是至關(guān)重要的。對混合推薦算法進(jìn)行了實時性測試,結(jié)果顯示混合推薦算法能夠在較短的時間內(nèi)為用戶生成推薦結(jié)果,滿足了實時推薦的要求。

五、結(jié)語

融合協(xié)同推薦和用戶興趣度的混合推薦算法在微博平臺上,為用戶提供了更個性化、多樣化的內(nèi)容推薦服務(wù),對于推薦系統(tǒng)在利用協(xié)同推薦和用戶興趣度方面具有一定的創(chuàng)新和實踐價值,為推薦系統(tǒng)的優(yōu)化和發(fā)展提供了有益的啟示。未來的研究可以進(jìn)一步探索其他融合方法和深度學(xué)習(xí)技術(shù),以進(jìn)一步提高推薦系統(tǒng)的性能、改善用戶體驗。