基於用戶建模的個性化微博排序研究

《基於用戶建模的個性化微博排序研究》是依託南開大學，由陳晨擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於用戶建模的個性化微博排序研究
• 項目類別：青年科學基金項目
• 項目負責人：陳晨
• 依託單位：南開大學

中文摘要

作為新型的社交媒體，微博已經成為目前流行的網際網路服務，為用戶提供大量的實時信息。用戶在享受微博方便、快捷服務的同時，經常遇到信息稀缺和信息過載問題。針對這些問題，本項目研究基於用戶建模的個性化微博排序。用戶建模包括個體用戶建模和群體用戶建模。針對信息稀缺問題，基於微博屬性的群體用戶建模方法能理解大眾化的趨勢信息，滿足用戶一般性的信息需求。針對信息過載問題，基於微博屬性的個體用戶建模能獲取用戶的興趣愛好，滿足用戶個性化的信息需求。然後，探索融合多特徵和多互動的隱因子模型，使微博排序模型不但可以利用個體用戶建模和群體用戶建模的顯式信息，還可以挖掘用戶和微博、用戶與用戶之間互動的隱式信息。最後，在個性化微博排序評價體系方面，研究基於用戶行為的自動化微博排序評價方法。

結題摘要

作為新型的社交媒體，微博已經成為目前流行的網際網路服務，為用戶提供大量的實時信息。用戶在享受微博方便、快捷服務的同時，經常遇到信息稀缺和信息過載問題。 針對這些問題，本項目研究基於用戶建模的個性化微博排序。項目組提出屬性偏好和趨勢偏好的概念，並且使用它們建立個體用戶模型和群體用戶模型。在個性化微博排序模型方面，採用Factorization Machines作為擴展和最佳化的基礎模型，主要探索增加更多的參數和把模型估計變成矩陣凸最佳化的問題。最後，從網路上採集大量微博數據，構建了一個微博個性化排序評價的語料庫，為微博個性化排序的研究提供數據支持。 項目組發現基於微博屬性的用戶建模和趨勢建模可以準確地反映用戶和群體的偏好，擴展和最佳化的Factorization Machine模型能夠提高微博個性化排序的效果，而在模型中考慮微博的時效性，會進一步提高微博個性化排序的效果。 項目的關鍵數據是創建了一個微博個性化排序評價的語料庫，用於驗證提出的方法和模型。 本項目的研究成果不但可以用於個性化微博排序，還適用於微博訊息過濾、好友推薦、實時搜尋等其他研究領域。