结合标签相关性和用户社交关系进行微博推荐

随着社交网络应用的发展，微博客已成为我们日常生活中必不可少的在线交流网络。 对于微博用户而言，推荐高质量的信息是一项苛刻的服务。 一些微博服务鼓励用户使用标签来注释自己，这些标签用于描述他们的兴趣或属性。 但是，很少有用户愿意创建标签，并且可用标签未被完全利用来推荐微博。 此外，微博中的关注/追随者关系是不对称的，不仅可以用于与朋友或熟人交流，还可以用于获取有关特定主题的信息。 到目前为止，还没有采用上述所有信息的微博推荐算法。 本文旨在研究一个联合框架，将标签相关性和用户社交关系相结合，以进行微博推荐。 我们的方法通过用户的个人标签和社交关系来识别用户的兴趣。 更具体地，建立用户标签检索策略以为没有标签或具有很少标签的用户添加标签，然后建立用户标签矩阵，然后获得用户标签权重。 为了解决矩阵稀疏的问题，研究了标签之间的内部和外部相关性，以更新用户标签矩阵。 考虑到用户社交关系对微博推荐的重要性，构建了用户-用户社交关系相似度矩阵。 此外，开发了一种迭代更新方案来获得最终的标签-用户矩阵，以计算微博和用户之间的相似度。 我们通过在真实的微博数据集上进行实验来说明算法的功能。 实验结果表明