科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对微博推荐系统中存在的新用户冷启动和数据稀疏性问题，提出一种微博推荐模型.该模型通过重要用户聚类和普通用户分类构建完整用户类，基于类兴趣表征普通用户兴趣，利用Bandits算法为完整用户类中的普通用户产生微博推荐列表，根据普通用户对推荐列表的反馈更新其所属完整用户类的历史数据，合理应对新用户冷启动，降低了数据稀疏度，实现了较为准确的微博推荐，为微博推荐模型的构建提供了新的思路.实验结果表明，该模型能够推荐给用户感兴趣的博文，推荐效果较现有随机探索类算法、置信区间类算法和概率匹配类算法分别最低提高5.62%、5.43%和33.37%.
- 单位
