基于半监督算法并融合社会影响力的用户级微博推荐
社会与信息网络
2012-10-29 v1 计算机与社会
机器学习
摘要
腾讯微博作为中国最流行的微博客服务之一，吸引了数百万用户，每天产生 3000 万至 6000 万条微博（类似于 Twitter 中的推文）。面对用户生成内容的过载问题，腾讯用户发现越来越难以第一时间浏览和发现有价值的信息。在本文中，我们提出了一种基于因子图（Factor Graph）的微博推荐算法 TSI-WR（基于主题级社会影响力的微博推荐），旨在帮助腾讯用户找到最合适的信息。主要创新在于，我们基于社会平衡理论，同时考虑了来自主题层面的直接和间接社会影响力。采用这一策略的主要优势在于：首先，它能更准确地描述弱连接用户之间的潜在关系，从而有助于解决数据稀疏性问题；其次，它能从更广的范围为特定用户提供更精准的推荐。其他有意义的上下文信息也被整合到我们的模型中，包括：用户资料、用户影响力、微博内容、微博主题信息等。我们还设计了一种半监督算法以进一步减少数据稀疏性的影响。实验表明，所有选定的变量都很重要，且所提出的模型优于几种基线方法。
引用
@article{arxiv.1210.7047,
title = {User-level Weibo Recommendation incorporating Social Influence based on Semi-Supervised Algorithm},
author = {Daifeng Li and Zhipeng Luo and Golden Guo-zheng Sun and Jie Tang and Jingwei Zhang},
journal= {arXiv preprint arXiv:1210.7047},
year = {2012}
}
备注
to be sumitted in JASIST