閆龍

摘 要 微博巨大的用戶數(shù)量和飛速增長的海量信息帶來了微博“信息過載”問題。而目前多數(shù)研究主要是解決微博用戶關(guān)系網(wǎng)絡(luò)中的用戶推薦問題，對于微博信息的推薦還沒有行之有效的解決方法。針對上述問題，提出了一種基于微博用戶信任關(guān)系的微博信息推薦算法，將微博用戶關(guān)系數(shù)據(jù)結(jié)構(gòu)化處理并計(jì)算用戶間信任程度，基于TF-IDF計(jì)算微博信息與用戶的話題相關(guān)度，結(jié)合上述因素對用戶的微博信息列表進(jìn)行TopN推薦。實(shí)驗(yàn)表明，該方法能夠有效解決微博中的“信息過載”問題，提高用戶的信息獲取效率。

【關(guān)鍵詞】微博信息推薦 信任度 話題相關(guān)度 信息過載

微博的興起，成為Web2.0 時(shí)代一個具有代表性的網(wǎng)絡(luò)現(xiàn)象，它讓人們通過虛擬的網(wǎng)絡(luò)來獲取海量實(shí)時(shí)的信息，但正是由于用戶獲取的信息是海量的，從而出現(xiàn)了一個很嚴(yán)重的問題，就是 “信息過載”問題?！靶畔⑦^載”是指過量信息同時(shí)呈現(xiàn)使用戶很難從中獲取對自己有用的部分，使得信息使用效率降低。推薦系統(tǒng)作為解決信息過載問題的重要手段，是當(dāng)前解決社交媒體中信息超載問題的最有效的方法之一[1]。

本文的主要工作如下：

（1）利用微博中的社會化標(biāo)注計(jì)算用戶相似度，并計(jì)算用戶信任度。

（2）針對微博特點(diǎn)，提出了MB-StreamRank算法，結(jié)合用戶信任度、微博信息與用戶的話題相關(guān)度、用戶對微博的操作權(quán)重以及時(shí)間衰減因素，對用戶微博信息進(jìn)行個性化排序，給出TopN推薦結(jié)果。

（3）通過在騰訊微博實(shí)際數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，MB-StreamRank算法顯示出較好的微博信息推薦性能。

1 微博數(shù)據(jù)特征描述

微博結(jié)構(gòu)信息是指用戶關(guān)系結(jié)構(gòu)信息，包括用戶關(guān)注和粉絲信息，如圖1所示。

定義1：使用有向圖定義微博中的用戶關(guān)系，其中是頂點(diǎn)集合，代表所有用戶，是邊集合，中任一有向邊表示用戶關(guān)注，而定義了邊的權(quán)重，用來表示對的信任程度。

定義2：對于任意節(jié)點(diǎn)，定義為頂點(diǎn)指向的頂點(diǎn)集合，即用戶關(guān)注的用戶集合；定義為指向頂點(diǎn)的頂點(diǎn)集合，即用戶的粉絲集合。

定義3：定義帶權(quán)重的有向圖為轉(zhuǎn)發(fā)關(guān)系圖，集合中的任一邊表示用戶轉(zhuǎn)發(fā)了的微博信息，其權(quán)重定義了用戶轉(zhuǎn)發(fā)用戶的微博的次數(shù)。定義有向圖為關(guān)系圖，集合中的任一邊表示用戶了，其權(quán)重定義了用戶用戶的微博信息數(shù)目。

2 MB-StreamRank微博信息推薦算法

2.1 基于TF-IDF的話題相關(guān)性計(jì)算

Term Frequency-Inverse Document Frequency（TF-IDF）權(quán)重[2]是一種廣泛使用的對于簡單TF值進(jìn)行改進(jìn)的權(quán)重值。IDF是它的改進(jìn)部分。TF-IDF在簡單的TF值上，乘上一個項(xiàng)目文檔頻度的倒數(shù)，作為向量的權(quán)重。TF-IDF降低了那些停頓詞對權(quán)重的影響。

2.2 用戶行為時(shí)間衰減

2.3 結(jié)果

基于微博用戶信任關(guān)系的MB-StreamRank算法是通過對用戶信任程度、用戶相似度和時(shí)間衰減等因素的考量，從而獲得對用戶微博信息的個性化排序，得到其TopN推薦結(jié)果。

3 實(shí)驗(yàn)與分析

3.1 數(shù)據(jù)集及預(yù)處理

本文以騰訊微博為實(shí)驗(yàn)平臺，利用其開放平臺提供的API，采集了以2012年10月18日為起點(diǎn)的三個月的的數(shù)據(jù)，并將采集到的數(shù)據(jù)分為4類：

（l）用戶信息，包括用戶ID、昵稱、地址等；

（2）微博結(jié)構(gòu)信息，即用戶的關(guān)系數(shù)據(jù)，包括用戶的關(guān)注列表和粉絲列表；

（3）微博信息，即用戶的微博信息列表；

（4）轉(zhuǎn)發(fā)及評論列表，即采集到的微博信息的轉(zhuǎn)發(fā)及評論列表。共采集了1251個用戶的關(guān)注結(jié)構(gòu)信息以及約合625541條微博。

3.2 推薦算法評價(jià)方法

實(shí)驗(yàn)一：確定用戶信任度的加權(quán)系數(shù)

為了確定用戶信任度的加權(quán)系數(shù)，分別對且（精度為0.1）的84種可能取值情況對算法進(jìn)行測試（時(shí)間衰減因子取值0.5）。為了更好地進(jìn)行測試，本文從采集到的微博結(jié)構(gòu)信息中人工篩選了100位用戶及其關(guān)注和粉絲信息。以9：1的比例進(jìn)行訓(xùn)練和測試，并反復(fù)進(jìn)行7次，測試信任度計(jì)算結(jié)果的值。其中為給用戶提供的推薦信息，是測試集中的真實(shí)數(shù)據(jù)，即用戶微博列表中用戶感興趣的信息（用戶已轉(zhuǎn)發(fā)或評論的微博信息）。

3.3 實(shí)驗(yàn)三：時(shí)間衰減因子

為了確定時(shí)間衰減因素中的衰減因子，本文從采集到的微博信息中人工篩選了50位用戶及其能夠獲取到的微博信息中的20000條數(shù)據(jù)，反復(fù)7次以9：1的比例進(jìn)行訓(xùn)練和測試，計(jì)算推薦結(jié)果的值。實(shí)驗(yàn)結(jié)果表明，當(dāng)衰減因子=0.6時(shí)，取得最大值0.0586。因此，針對本文的數(shù)據(jù)集，衰減因子取值為0.6。

4 結(jié)束語

通過在采集到的騰訊微博數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，驗(yàn)證了算法效果。但由于算法部分內(nèi)容復(fù)雜度較高，所以算法還未能做到海量信息實(shí)時(shí)推薦。目前采取的是定周期離線推薦，這也是下一步要研究的一個重要問題。

參考文獻(xiàn)

[1]P.Resnick，H.R.Varian.Recommender systems，Commun.ACM，vol.40，iss.3， pp.56-58，1997.

作者單位

陜西省咸陽市渭城區(qū)清泰街郵局 陜西省咸陽市 712000