黃宏程，陸衛(wèi)金，胡 敏，魏 青

1.重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065

2.重慶大學(xué) 計(jì)算機(jī)學(xué)院，重慶 400044

用戶(hù)興趣相似性度量的關(guān)系預(yù)測(cè)算法*

黃宏程1,2+，陸衛(wèi)金1，胡 敏1，魏 青1

1.重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065

2.重慶大學(xué) 計(jì)算機(jī)學(xué)院，重慶 400044

+Corresponding autho author:r:E-mail:huanghc@cqupt.edu.cn

HUANG Hongcheng,LUWeijin,HUM in,et al.User relationships prediction algorithm w ith interest sim ilarity measurement.Journalof Frontiersof Com puter Science and Technology,2017,11(7)：1068-1079.

用戶(hù)興趣；相似性；多階量化；關(guān)系預(yù)測(cè)

1 引言

近年來(lái)，微博以發(fā)布內(nèi)容簡(jiǎn)短，關(guān)注機(jī)制靈活，推送消息及時(shí)的特點(diǎn)贏得用戶(hù)的青睞，取得了快速發(fā)展。以新浪微博為例，系統(tǒng)按照用戶(hù)標(biāo)簽、微博文本、關(guān)注用戶(hù)列表等信息推送消息。充分利用這些基本信息，挖掘用戶(hù)的興趣偏好，建立用戶(hù)興趣模型，用于準(zhǔn)確預(yù)測(cè)用戶(hù)間關(guān)系，對(duì)于改善用戶(hù)體驗(yàn)，增加網(wǎng)絡(luò)粘性和精準(zhǔn)廣告營(yíng)銷(xiāo)大有裨益。因此，基于微博用戶(hù)興趣預(yù)測(cè)用戶(hù)關(guān)系已成為當(dāng)前互聯(lián)網(wǎng)數(shù)據(jù)挖掘的研究熱點(diǎn)。

目前對(duì)微博用戶(hù)興趣的研究大部分是基于用戶(hù)的注冊(cè)信息、標(biāo)簽[1]、微博內(nèi)容、地理位置[2]和社交圈[3]等進(jìn)行個(gè)性化的推薦[4]，使用戶(hù)有選擇地添加自己“感興趣”的好友。張珊靚等人[5]認(rèn)為用戶(hù)的好友推薦和時(shí)間相關(guān)，因此將時(shí)間作為一個(gè)重要參數(shù)引入到隨機(jī)游走算法中，按照Top N準(zhǔn)則將用戶(hù)作為好友關(guān)系推薦給其他用戶(hù)。吳成超等人[6]利用高斯概率隱語(yǔ)意模型挖掘長(zhǎng)期興趣，通過(guò)評(píng)分時(shí)間窗獲取短期興趣，結(jié)合長(zhǎng)短期興趣建立用戶(hù)興趣模型。孫靜宇等人[7]在基于用戶(hù)評(píng)分的協(xié)同過(guò)濾算法中，結(jié)合用戶(hù)的長(zhǎng)短期興趣的時(shí)間加權(quán)方法，重點(diǎn)分析了用戶(hù)長(zhǎng)短期興趣的識(shí)別問(wèn)題，能夠更好地描述用戶(hù)興趣的變化。孫威[8]認(rèn)為在線社交網(wǎng)絡(luò)的用戶(hù)關(guān)系是穩(wěn)定的，將微博名人的興趣作為長(zhǎng)期興趣，將普通用戶(hù)轉(zhuǎn)發(fā)和評(píng)論的內(nèi)容作為短期興趣，并用遺忘曲線衡量短期興趣。郭進(jìn)利[9]通過(guò)研究人類(lèi)的行為動(dòng)力學(xué)，認(rèn)為用戶(hù)的興趣隨時(shí)間增加而逐步衰減，由此構(gòu)建了相應(yīng)的衰減函數(shù)。

上述這些研究充分考慮了用戶(hù)“興趣漂移”的規(guī)律，但是忽略了部分興趣用戶(hù)會(huì)長(zhǎng)期保持的問(wèn)題，使得建立的興趣模型難以客觀地描述用戶(hù)興趣的變化過(guò)程，導(dǎo)致推送的消息有效性不高。本文針對(duì)該問(wèn)題提出了基于用戶(hù)興趣相似性的關(guān)系預(yù)測(cè)算法。將用戶(hù)的標(biāo)簽信息表征長(zhǎng)期興趣，微博文本信息表征短期興趣[10]，用戶(hù)的長(zhǎng)期興趣可以通過(guò)關(guān)注列表推薦（即被關(guān)注用戶(hù)擁有的標(biāo)簽）和短期興趣反饋（即用戶(hù)自己的微博文本信息）來(lái)修正；通過(guò)用戶(hù)興趣狀態(tài)的轉(zhuǎn)換，更新用戶(hù)興趣；按照長(zhǎng)短期興趣的分類(lèi)，采用頻率統(tǒng)計(jì)和多階量化的方法度量用戶(hù)興趣度。根據(jù)社會(huì)學(xué)理論[11]：用戶(hù)間越相似，越可能成為好友的原則，本文通過(guò)余弦相似性度量用戶(hù)間的興趣相似度，相似度越高，則用戶(hù)成為朋友的可能性越高。

本文組織結(jié)構(gòu)如下：第2章提出用戶(hù)興趣模型，詳細(xì)闡述用戶(hù)興趣的修正、更新以及興趣度的度量，根據(jù)興趣度計(jì)算用戶(hù)相似性；第3章以新浪微博真實(shí)數(shù)據(jù)作為數(shù)據(jù)集，通過(guò)實(shí)驗(yàn)分析了本文提出的基于長(zhǎng)短期興趣進(jìn)行用戶(hù)關(guān)系預(yù)測(cè)的算法的有效性；第4章總結(jié)本文工作。

2 用戶(hù)興趣建模

為了提高用戶(hù)關(guān)系預(yù)測(cè)的精度，同時(shí)兼顧到用戶(hù)“興趣漂移”和部分興趣持久保持的客觀規(guī)律，將用戶(hù)興趣分為長(zhǎng)、短期興趣[6,12]。其中長(zhǎng)期興趣通過(guò)關(guān)注列表獲得，短期興趣根據(jù)用戶(hù)自身的微博文本信息提取。用戶(hù)興趣模型如圖1所示。

本文分析微博的用戶(hù)原始數(shù)據(jù)，提取用戶(hù)興趣所需的標(biāo)簽信息、關(guān)注列表和微博文本信息。對(duì)文本分詞后，提取關(guān)鍵詞，參照騰訊、網(wǎng)易、搜狐和新浪微博等，將用戶(hù)興趣分為（美食，教育，娛樂(lè)，體育，時(shí)尚，財(cái)經(jīng)，科技、文化，軍事，讀書(shū)，汽車(chē)，音樂(lè)，游戲，星座，影視，購(gòu)物，攝影，寵物，新聞，搞笑，生活）等21類(lèi)；根據(jù)這21個(gè)興趣類(lèi)提取每個(gè)興趣類(lèi)所對(duì)應(yīng)的關(guān)鍵詞，每個(gè)興趣類(lèi)會(huì)對(duì)應(yīng)多個(gè)關(guān)鍵詞（特征項(xiàng)）。

Fig.1 User interestmodel圖1 用戶(hù)興趣模型

經(jīng)數(shù)據(jù)處理后形成的用戶(hù)興趣向量為（美食，教育，娛樂(lè)，…，搞笑，生活），每個(gè)興趣類(lèi)對(duì)應(yīng)的特征項(xiàng)代表用戶(hù)的標(biāo)簽和微博文本信息。對(duì)于用戶(hù)i來(lái)說(shuō)，其興趣可用圖2所示。

Fig.2 Structureof interest-characteristics圖2 興趣類(lèi)-特征項(xiàng)結(jié)構(gòu)圖

用戶(hù)i的興趣向量可以描述為：

式中，ILi是用戶(hù)i的長(zhǎng)期興趣向量；ISi是用戶(hù)i的短期興趣向量。由于用戶(hù)i的微博文本信息中包含多個(gè)特征項(xiàng)，則ILi和ISi用如下向量表示：

其中，wLi是用戶(hù)i的長(zhǎng)期興趣度向量；wSi是用戶(hù)i的短期興趣度向量。

此時(shí)用戶(hù)興趣向量和興趣度向量分別為：

由上文分析可知，用戶(hù)的短期興趣由微博文本信息中的興趣類(lèi)對(duì)應(yīng)的特征項(xiàng)表征，長(zhǎng)期興趣通過(guò)用戶(hù)標(biāo)簽信息來(lái)表征。本文將依次介紹用戶(hù)長(zhǎng)期興趣的修正、更新過(guò)程，用戶(hù)興趣的度量方法和用戶(hù)間的相似性計(jì)算。

2.1 用戶(hù)長(zhǎng)期興趣的修正

微博數(shù)據(jù)包含每個(gè)用戶(hù)的關(guān)注列表和標(biāo)簽信息，用戶(hù)在注冊(cè)時(shí)所填寫(xiě)的用戶(hù)標(biāo)簽可以是平臺(tái)推薦的標(biāo)準(zhǔn)標(biāo)簽，如星座、運(yùn)動(dòng)等，也可以個(gè)性化的填寫(xiě)，比如宅男、愛(ài)睡覺(jué)等。通過(guò)分詞、提取、歸類(lèi)后，用戶(hù)標(biāo)簽中同興趣類(lèi)的多個(gè)特征項(xiàng)相互合并，只保留一個(gè)特征項(xiàng)代表其對(duì)應(yīng)的興趣類(lèi)，則用戶(hù)的長(zhǎng)期興趣就由這些不同的特征項(xiàng)構(gòu)成。

通常微博用戶(hù)都會(huì)對(duì)他人進(jìn)行關(guān)注，一旦用戶(hù)關(guān)注了其他用戶(hù)，就可以獲取到關(guān)注用戶(hù)的微博消息，這相當(dāng)于用戶(hù)訂閱其關(guān)注用戶(hù)的微博內(nèi)容，并對(duì)這些微博內(nèi)容感興趣，因此被關(guān)注的用戶(hù)博文會(huì)反映用戶(hù)的興趣。

假設(shè)任意一個(gè)用戶(hù)i的長(zhǎng)期興趣向量為ILi=(ILi1,ILi2,…,ILim)，共有m個(gè)興趣類(lèi)，即m個(gè)興趣特征項(xiàng)。用戶(hù)i的關(guān)注列表是X={x1,x2,…,xv}，共有v個(gè)用戶(hù)，將這v個(gè)用戶(hù)的標(biāo)簽內(nèi)容求并集，該并集即是用戶(hù)i的關(guān)注列表標(biāo)簽集，標(biāo)簽集內(nèi)元素的個(gè)數(shù)是：

本文的長(zhǎng)期興趣是通過(guò)關(guān)注列表的推薦和短期興趣的反饋得到的。首先對(duì)分類(lèi)完成以后的所有用戶(hù)標(biāo)簽進(jìn)行統(tǒng)計(jì)，原始數(shù)據(jù)經(jīng)過(guò)處理和分類(lèi)以后，共有48 475個(gè)微博用戶(hù)，184 201個(gè)標(biāo)簽，平均每個(gè)用戶(hù)擁有4個(gè)標(biāo)簽，因此本文取推薦標(biāo)簽數(shù)為4。統(tǒng)計(jì)關(guān)注列表X中標(biāo)簽集的興趣類(lèi)，將出現(xiàn)頻率最高的4個(gè)興趣類(lèi)作為關(guān)注列表推薦，即推薦興趣向量為INi=(INi1,INi2,INi3,INi4)，其中INi1在X內(nèi)出現(xiàn)的頻率最高。現(xiàn)有用戶(hù)i的長(zhǎng)期興趣向量ILi及其內(nèi)的隨機(jī)興趣類(lèi)j，

用ILij表示；短期興趣向量ISi；關(guān)注列表推薦向量INi及其內(nèi)的隨機(jī)興趣類(lèi)k，用INik表示。

算法1用戶(hù)長(zhǎng)期興趣修正算法

輸入：用戶(hù)長(zhǎng)期興趣向量ILi及隨機(jī)興趣類(lèi)ILij

用戶(hù)短期興趣向量ISi及隨機(jī)興趣類(lèi)ISik

關(guān)注列表推薦興趣類(lèi)INi

輸出：修正后的長(zhǎng)期興趣向量ILi′

1.初始化 ILi′，令 ILi′=ILi

如果ILi為空，用INi初始化ILi′

2.如果ILi′元素?cái)?shù)量小于4

若 ILij∈ ISi，則將 ILij保留到 ILi′

若 ILij∈ INi，則將 ILij保留到 ILi′

若以上兩者情況都不滿(mǎn)足，將INi中出現(xiàn)頻率最高的興趣類(lèi)添加到ILi′，直到ILi′元素?cái)?shù)量等于4

3.如果ILi元素?cái)?shù)量等于4，不做修正

4.如果ILi元素?cái)?shù)量大于4

若 INik∈ ILi，則將 INik保留到 ILi′

若 ILij∈ INi，則將 ILij保留到 ILi′

若 ILij∈ ISi，則將 ILij保留到 ILi′

若以上條件均不滿(mǎn)足，則將INik保留到ILi′，將ILij刪除

5.返回 ILi′

通過(guò)上述用戶(hù)的長(zhǎng)期興趣修正算法可知，修正后用戶(hù)的長(zhǎng)期興趣向量為 ILi′=(ILi1′,ILi2′,…,ILim′)。此時(shí)用戶(hù)長(zhǎng)期興趣的興趣類(lèi)數(shù)量為mi′。

2.2 用戶(hù)興趣的更新

用戶(hù)的長(zhǎng)短期興趣都是動(dòng)態(tài)變化的，在微博數(shù)據(jù)持續(xù)的時(shí)間段內(nèi)，如果短期興趣的某些興趣類(lèi)持續(xù)活躍，能更充分地反映用戶(hù)在這段時(shí)間內(nèi)的興趣，則動(dòng)態(tài)調(diào)整短期興趣為長(zhǎng)期興趣；如果長(zhǎng)期興趣的某些興趣類(lèi)在微博文本數(shù)據(jù)和關(guān)注列表中長(zhǎng)時(shí)間沒(méi)有體現(xiàn)，表明用戶(hù)可能對(duì)此不再感興趣，則在用戶(hù)興趣修正中將之除去。本節(jié)將詳細(xì)介紹用戶(hù)興趣的更新過(guò)程。

假設(shè)用戶(hù)i的微博文本中的短期興趣向量為ISi=(ISi1,ISi2,…,ISin)，對(duì)于任一興趣類(lèi)j的權(quán)重為：

式中，N′是用戶(hù)i的微博文本中所有興趣類(lèi)出現(xiàn)的頻率和；nj′表示興趣類(lèi)j在用戶(hù)i的微博文本中出現(xiàn)的頻率。

從式（7）可以得到每個(gè)短期興趣類(lèi)的權(quán)重，對(duì)短期興趣向量按權(quán)重從大到小進(jìn)行排序形成新的短期興趣向量 ISi′=(ISi1′,ISi2′,…,ISin′)，其對(duì)應(yīng)的權(quán)值向量為wSi′=(wSi1′,wSi2′,…,wSin′)，其中 wSi1′＞ wSi2′＞ … ＞ wSin′，此時(shí)用戶(hù)的長(zhǎng)期興趣向量為修正過(guò)后的興趣向量集ILi′。

算法2用戶(hù)興趣更新算法

輸入：ILi′=(ILi1′,ILi2′,…,ILim′)及其權(quán)重 wLi′ISi′=(ISi1′,ISi2′,…,ISin′)及其權(quán)重 wSi′

輸出：ILi″，ISi″

1.for j=1 to n

若 ISij′∈ ILi′，則 ISi′刪除 ISij′

end for

2.for x=1 to m

若 ILix′? ISi′且 wSij′＞ wLix′

則 ISi′刪除 ISij′，ILi′添加 ISij′

3.若 ILix′=ISiq′(1 ≤ q≤n,j≠ q)

且 wSij′＞ wLix′+wSiq′

則 ISi′刪除 ISij′，ILi′添加 ISij′

end for

4.更新長(zhǎng)、短期興趣向量

輸出 ILi″，ISi″

上述算法對(duì)用戶(hù)長(zhǎng)期興趣和短期興趣進(jìn)行更新，最后形成新的長(zhǎng)期興趣向量ILi″和短期興趣向量 ISi″。

2.3 用戶(hù)長(zhǎng)短期興趣的度量

根據(jù)用戶(hù)微博文本的歷史信息來(lái)構(gòu)建用戶(hù)的興趣度計(jì)算模型，對(duì)于長(zhǎng)期興趣本文認(rèn)為用戶(hù)i對(duì)其mi′個(gè)興趣類(lèi)的偏好程度，可以通過(guò)標(biāo)簽集X內(nèi)標(biāo)簽出現(xiàn)的頻率來(lái)表征。以興趣類(lèi)在關(guān)注列表中出現(xiàn)的頻率為基礎(chǔ)度量用戶(hù)i對(duì)其標(biāo)簽中的興趣類(lèi)j的興趣度為：

對(duì)于用戶(hù)的短期興趣，歷史信息越接近當(dāng)前時(shí)刻越能表示用戶(hù)的當(dāng)前興趣，反之越不能體現(xiàn)用戶(hù)興趣，這種現(xiàn)象類(lèi)似于人類(lèi)行為動(dòng)力學(xué)中的興趣衰減函數(shù)。因此，本文通過(guò)興趣衰減函數(shù)來(lái)刻畫(huà)用戶(hù)的短期興趣。另外用戶(hù)對(duì)某個(gè)興趣類(lèi)關(guān)注越多表明用戶(hù)對(duì)該類(lèi)別的興趣越明顯，本文視這一情況為重復(fù)記憶，記憶的次數(shù)越多，記憶總量越多，單次記憶的增量越少，直至穩(wěn)定狀態(tài)。衰減函數(shù)表達(dá)式為：

式中，k是衰減速率。假設(shè)用戶(hù)在t0時(shí)刻的興趣度為P(t0)，根據(jù)興趣衰減函數(shù)從t0到t時(shí)刻用戶(hù)的興趣度降低到：

其中，kt是在時(shí)間段t0到t內(nèi)的興趣衰減速率，衰減函數(shù)體現(xiàn)了在時(shí)間段[t0,t]內(nèi)記憶量隨時(shí)間的變化范圍。用戶(hù)在一段時(shí)間內(nèi)可能會(huì)多次發(fā)表或者轉(zhuǎn)發(fā)某一興趣類(lèi)，多次重復(fù)記憶該興趣類(lèi)，因此本文提出多階量化短期興趣的方法。對(duì)于某興趣類(lèi)的一個(gè)特征項(xiàng)來(lái)說(shuō)，微博在不同時(shí)刻多次發(fā)布了該特征項(xiàng)，發(fā)布時(shí)刻即為重復(fù)記憶的時(shí)刻。

從圖3中可以看出，用戶(hù)在每個(gè)時(shí)間段內(nèi)的興趣都會(huì)衰減，在不同的時(shí)段內(nèi)用戶(hù)具有不同的衰減曲率。如果相鄰時(shí)間段的興趣度初始值和衰減速率之間具有聯(lián)系，就可以度量當(dāng)前的用戶(hù)興趣。下面將介紹初始值Pn和衰減速率kn計(jì)算方法。在任意時(shí)刻，用戶(hù)的興趣度為：

Fig.3 Multi-orderquantization forshort-term interest圖3 多階量化短期興趣度

從圖3中可以看出，第n階段的初始時(shí)刻，興趣度Pn為：

式中，Hn是第n次記憶增加的記憶量；Mn是前n次剩余記憶量總和。Mn可以由上一階段的興趣度量化公式得出：

用戶(hù)在重復(fù)記憶某一興趣類(lèi)的時(shí)候，單次的記憶量會(huì)不斷減少，記憶總量會(huì)不斷增大，但是增長(zhǎng)趨勢(shì)漸近平緩最終收斂。本文定義Hn為：

此時(shí)興趣度Pn可以表示為：

由上述公式可知Pn和Pn-1之間的關(guān)系，為了得出任意時(shí)刻用戶(hù)的興趣度還需要得出kn和kn-1之間的關(guān)系。本文將相鄰的興趣衰減速率線沿著橫軸和豎軸進(jìn)行平移，使得兩段曲線具有相同的初始值，該過(guò)程如圖4所示。

Fig.4 Adjustmentof interest-forgetting rate圖4 興趣遺忘速率的調(diào)整

圖4中y是tn-1到tn的時(shí)間段內(nèi)相鄰兩條興趣度曲線間的衰減差值，可表示為：

由此可推出kn和kn-1之間的關(guān)系：

y值的上限是：

由圖4可知，y的取值與時(shí)間間隔成正相關(guān)，因此設(shè)置一個(gè)惰性因子α，表示二者的關(guān)系，時(shí)間間隔越大，α的取值越大。將ymax劃分為α段，α反映了在不同時(shí)刻的重復(fù)記憶對(duì)遺忘速率調(diào)整的程度。

對(duì)于αn-1的取值定義為：

式中，α0是惰性因子的初始值。計(jì)量時(shí)間以天為單位，若未滿(mǎn)一天按一天計(jì)算。

基于衰減函數(shù)的多階量化短期興趣度方法，通過(guò)初始值可以得到任意時(shí)刻的P、k和α，進(jìn)而可以計(jì)算用戶(hù)的短期興趣度，得到用戶(hù)的短期興趣度向量。

2.4 用戶(hù)相似性計(jì)算

通過(guò)上文對(duì)用戶(hù)興趣的修正和更新以后，分別得到新的興趣向量ILi″和ISi″，興趣度向量wLi″和wSi″。則用戶(hù)i的興趣向量和興趣度向量是：

得到Ii″和wi″后，再根據(jù)（美食，教育，娛樂(lè)，…，搞笑，生活）來(lái)調(diào)整并統(tǒng)一表征用戶(hù)興趣，同樣與用戶(hù)興趣度向量一一對(duì)應(yīng)，若用戶(hù)不包含某項(xiàng)興趣類(lèi)，則在興趣度向量中對(duì)應(yīng)的興趣度值為0。綜上所述，可以得到具有相同的興趣度向量和不同的興趣度向量的各個(gè)用戶(hù)。

進(jìn)一步，通過(guò)計(jì)算用戶(hù)間的興趣相似性來(lái)度量用戶(hù)關(guān)系，若相似性值較大，則預(yù)測(cè)用戶(hù)之間產(chǎn)生關(guān)系的可能性較大；反之，則可能性較小。用戶(hù)間的興趣相似性是以用戶(hù)興趣度向量為基礎(chǔ)，使用余弦相似性指標(biāo)來(lái)計(jì)算任意兩個(gè)用戶(hù)的興趣相似性，公式為：

3 實(shí)驗(yàn)結(jié)果和驗(yàn)證

3.1 微博數(shù)據(jù)處理

本文使用北京理工大學(xué)的網(wǎng)絡(luò)搜索挖掘與安全實(shí)驗(yàn)室公布的新浪微博用戶(hù)數(shù)據(jù)[13]，來(lái)驗(yàn)證本文算法的性能。數(shù)據(jù)集包括72 910條用戶(hù)的個(gè)人信息和285MB的微博數(shù)據(jù)。微博用戶(hù)個(gè)人信息的原始數(shù)據(jù)包括用戶(hù)ID、地區(qū)、用戶(hù)名、關(guān)注（關(guān)注用戶(hù)數(shù)）、標(biāo)簽、關(guān)注列表等字段；用戶(hù)微博文本信息是指用戶(hù)發(fā)表和轉(zhuǎn)發(fā)的微博，包括用戶(hù)ID、回復(fù)數(shù)、評(píng)論數(shù)和微博產(chǎn)生的時(shí)間。原始數(shù)據(jù)如表1所示。

在處理數(shù)據(jù)之前需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)本文算法的實(shí)際需求，去掉數(shù)據(jù)集內(nèi)關(guān)注列表數(shù)小于10個(gè)或者發(fā)表的微博數(shù)小于10條的不活躍用戶(hù)，因?yàn)樵擃?lèi)用戶(hù)的關(guān)注用戶(hù)和微博內(nèi)容較少，很難獲取到準(zhǔn)確的興趣數(shù)據(jù)，研究意義不大。經(jīng)預(yù)處理后得到48 475個(gè)用戶(hù)和1 127 164個(gè)用戶(hù)關(guān)系。由表2可知，用戶(hù)的微博數(shù)據(jù)雜亂，語(yǔ)義模糊，為了準(zhǔn)確提取用戶(hù)興趣，首先需要對(duì)微博數(shù)據(jù)進(jìn)行提取和分詞。本文采用基于漢語(yǔ)詞法分析系統(tǒng)最新版本的“NLPIR漢語(yǔ)分詞系統(tǒng)”，用Java重寫(xiě)并將完全開(kāi)源的漢語(yǔ)分詞系統(tǒng)Ansj作為數(shù)據(jù)的分詞工具。Ansj是Java編程，應(yīng)用于自然語(yǔ)言處理的準(zhǔn)確、高效、自由的中文分詞工具，可用于人名、地名、組織機(jī)構(gòu)名的識(shí)別和關(guān)鍵詞提取等領(lǐng)域。在Eclipse中導(dǎo)入ansj-seg.jar和ansj-tree-split.jar這兩個(gè)Java架包，其中ansj-seg是引用中文語(yǔ)料庫(kù)，ansj-tree是分詞模型。得到的分詞效果如表2所示。

Table1 M icroblog dataofusers表1用戶(hù)的微博數(shù)據(jù)

Table2 Resultsof participles表2 分詞結(jié)果

對(duì)微博數(shù)據(jù)分詞之后，去掉數(shù)據(jù)中的一些連詞或者無(wú)意義詞，如“的”，提取關(guān)鍵詞，如“睡覺(jué)”、“跑步”、“投資”等。根據(jù)用戶(hù)興趣向量（美食，教育，娛樂(lè)，…，搞笑，生活）對(duì)用戶(hù)分類(lèi)以后，將每個(gè)用戶(hù)標(biāo)簽內(nèi)的特征項(xiàng)進(jìn)行同興趣類(lèi)合并，得到不同的興趣類(lèi)。通過(guò)分類(lèi)和數(shù)據(jù)提取得到用戶(hù)的標(biāo)簽、關(guān)注列表信息和微博文本信息，如表3所示。

表3中，字段uid是用戶(hù)ID號(hào)；suid表示源用戶(hù)的ID號(hào)；tuid表示目的用戶(hù)的ID號(hào)，并且suid關(guān)注tuid；label是用戶(hù)標(biāo)簽；time是用戶(hù)發(fā)表或轉(zhuǎn)發(fā)微博的時(shí)間；topic是提取一個(gè)微博的主題。微博用戶(hù)既可以雙向關(guān)注也可以單向關(guān)注，因?yàn)楸疚乃惴ǚ治龅闹攸c(diǎn)是用戶(hù)的關(guān)注列表，所以在分析微博網(wǎng)絡(luò)時(shí)，考慮的用戶(hù)關(guān)系都是單向的。得到該網(wǎng)絡(luò)的一些關(guān)鍵數(shù)據(jù)如表4所示。

Table3 Processedm icroblog data表3 處理后的微博

Table 4 Data of localnetwork structure in Sinam icroblog表4 新浪微博局部網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)

從表4可知，微博網(wǎng)絡(luò)的用戶(hù)量較大，對(duì)應(yīng)的用戶(hù)關(guān)系數(shù)量相對(duì)較少，表明網(wǎng)絡(luò)結(jié)構(gòu)較為稀疏，聚類(lèi)系數(shù)指標(biāo)也可以反映該結(jié)論；該網(wǎng)絡(luò)的平均度和平均路徑長(zhǎng)度這兩項(xiàng)指標(biāo)反映出用戶(hù)之間的交流和互動(dòng)比較方便；網(wǎng)絡(luò)節(jié)點(diǎn)的度分布較為均勻。圖5所示為新浪微博用戶(hù)的度分布。

Fig.5 Degree distribution of Sinam icroblog users圖5 新浪微博用戶(hù)的度分布

由圖5的總體趨勢(shì)可看出，當(dāng)關(guān)注數(shù)小于200時(shí)，微博用戶(hù)較為集中；當(dāng)用戶(hù)的關(guān)注數(shù)大于200時(shí)，用戶(hù)數(shù)量較少，但是用戶(hù)度分布范圍較大，體現(xiàn)了社交網(wǎng)絡(luò)的長(zhǎng)尾效應(yīng)。

3.2 實(shí)驗(yàn)結(jié)果分析

本文提出的基于用戶(hù)興趣相似性的關(guān)系預(yù)測(cè)算法使用AUC和Precision評(píng)價(jià)指標(biāo)驗(yàn)證預(yù)測(cè)效果。將網(wǎng)絡(luò)中實(shí)際存在的用戶(hù)關(guān)系集E隨機(jī)分為95%的訓(xùn)練集ET和5%的測(cè)試集EP。用戶(hù)興趣是根據(jù)用戶(hù)的標(biāo)簽、微博文本內(nèi)容和關(guān)注列表獲取的，用戶(hù)的興趣被分為長(zhǎng)期興趣和短期興趣。

圖6表示用戶(hù)標(biāo)簽數(shù)的分布情況，其中微博用戶(hù)添加標(biāo)簽的上限是10個(gè)。從圖6中可以得出，不存在標(biāo)簽的用戶(hù)在數(shù)據(jù)集內(nèi)所占比例高達(dá)45.73%，低于存在標(biāo)簽的用戶(hù)數(shù)量，因此可以用標(biāo)簽和關(guān)注列表來(lái)表征長(zhǎng)期興趣。對(duì)于存在標(biāo)簽的用戶(hù)來(lái)說(shuō)，標(biāo)簽數(shù)量分布較為不均勻，其中標(biāo)簽數(shù)小于4的用戶(hù)較多，大于4的用戶(hù)較少。這表明有一些用戶(hù)可能不知道添加標(biāo)簽或者不愿意去嘗試添加標(biāo)簽，導(dǎo)致無(wú)法準(zhǔn)確地描述用戶(hù)興趣；另一些用戶(hù)可能?chē)L試性地體驗(yàn)添加幾個(gè)標(biāo)簽，或者特意盡可能多地添加標(biāo)簽直到上限，從而充分地展示自己，但存在虛假或者不活躍興趣類(lèi)的問(wèn)題。因此，通過(guò)關(guān)注列表修正用戶(hù)興趣對(duì)于準(zhǔn)確描述用戶(hù)興趣，進(jìn)而提高用戶(hù)關(guān)系預(yù)測(cè)的準(zhǔn)確性具有重要的作用。

Fig.6 Distribution of thenumberofusersw ith thetag圖6 用戶(hù)數(shù)量隨標(biāo)簽的分布

用戶(hù)的短期興趣是由微博文本內(nèi)容表征的，短期興趣度需要經(jīng)過(guò)多階量化的方法獲取。在求短期興趣度時(shí)，有3個(gè)參數(shù)需要確定，即興趣度的初始值P0、衰減曲率的初始值k0和惰性因子α0。本文使用衰減函數(shù)進(jìn)行多階量化短期興趣的興趣度，為了便于計(jì)算和分析，設(shè)置初始興趣度P0=1.0，初始衰減速率k0=1.0。惰性因子α反映用戶(hù)重復(fù)記憶的頻率，影響著用戶(hù)的短期興趣度，但是因?yàn)椴煌脩?hù)對(duì)同一興趣類(lèi)具有不同的記憶頻率，為了降低計(jì)算的復(fù)雜性，設(shè)置一個(gè)初始定值α0。為了獲取α0，本節(jié)設(shè)置不同取值，通過(guò)多階量化的方式度量用戶(hù)的微博文本內(nèi)容，使用余弦函數(shù)計(jì)算用戶(hù)間的短期興趣相似性，最后通過(guò)AUC和Precision指標(biāo)進(jìn)行評(píng)價(jià)，經(jīng)過(guò)多次計(jì)算取得的平均值如圖7所示。

Fig.7 Impactof inertia facton forecasting resultsof short-term interestsim ilarity圖7 惰性因子對(duì)短期興趣相似性預(yù)測(cè)結(jié)果的影響

從圖7中可以看出，隨著初始惰性因子α0取值的增加，算法的AUC和Precision值逐漸變大，這是因?yàn)樵诙栊砸蜃虞^小時(shí)，重復(fù)記憶增加的記憶量變化較大，調(diào)整效果較明顯；在取值為6時(shí)，模型的AUC和Precision值最大，預(yù)測(cè)效果最好；當(dāng)取值大于6時(shí)，AUC和Precision值略有下降直至穩(wěn)定。這是由基于短期興趣相似性的預(yù)測(cè)算法中用戶(hù)對(duì)各個(gè)興趣類(lèi)的記憶量具有衰減和趨于收斂的特性決定的。

為了驗(yàn)證通過(guò)多階量化的方式度量短期興趣的效果，本文基于微博文本內(nèi)容分別利用多階量化、TF-IDF和遺忘曲線方法度量用戶(hù)的興趣度，并通過(guò)余弦指標(biāo)計(jì)算用戶(hù)間的相似性。這3種預(yù)測(cè)算法的AUC和Precision值對(duì)比結(jié)果如圖8。

Fig.8 Comparison of differentprediction algorithms based onm icroblog contents圖8 基于微博文本內(nèi)容的預(yù)測(cè)算法的效果對(duì)比

從圖8中可以看出，基于多階量化短期興趣的預(yù)測(cè)算法的AUC和Precision值都要優(yōu)于基于遺忘曲線的預(yù)測(cè)算法[14]和基于IF-TDF的預(yù)測(cè)算法[15]，表明考慮用戶(hù)興趣變化并進(jìn)行多階量化，能夠較為有效地提高用戶(hù)關(guān)系預(yù)測(cè)的準(zhǔn)確性。

本文認(rèn)為用戶(hù)的短期興趣能夠轉(zhuǎn)化成長(zhǎng)期興趣，長(zhǎng)期興趣需要短期興趣的反饋來(lái)修正。用戶(hù)興趣的更新和修正，表明用戶(hù)的長(zhǎng)短期興趣之間不但具有一定的差異性，也具有緊密的關(guān)聯(lián)性。為了驗(yàn)證用戶(hù)的長(zhǎng)期興趣和短期興趣的關(guān)聯(lián)性，本文繼續(xù)對(duì)所有用戶(hù)標(biāo)簽、微博數(shù)和關(guān)注用戶(hù)數(shù)進(jìn)行統(tǒng)計(jì)，得到圖9。

從圖9中可以看出，用戶(hù)的標(biāo)簽數(shù)量在某種程度上能夠反映出用戶(hù)微博的活躍程度。標(biāo)簽越多的用戶(hù)，其發(fā)布的微博平均數(shù)量也越多，關(guān)注列表的用戶(hù)越多；微博和關(guān)注用戶(hù)的數(shù)量走勢(shì)雖然有一些波動(dòng)，但整體上也呈現(xiàn)上升趨勢(shì)，這個(gè)現(xiàn)象表明用戶(hù)添加標(biāo)簽的數(shù)量與其微博活躍程度呈現(xiàn)正相關(guān)關(guān)系。因此本文認(rèn)為采用標(biāo)簽表征的長(zhǎng)期興趣和微博文本內(nèi)容表征的用戶(hù)短期興趣具有相同的變化趨勢(shì)，體現(xiàn)了二者之間的關(guān)聯(lián)性。

Fig.9 Correlation between numberof tag and interestofusers圖9 標(biāo)簽數(shù)與用戶(hù)興趣關(guān)聯(lián)性

Fig.10 Contrastof interestdegreebetween long-term interestand short-term interest圖10 長(zhǎng)短期興趣的興趣度對(duì)比

從圖10中可以看出，用戶(hù)長(zhǎng)短期興趣度具有較大的差異性。用戶(hù)對(duì)每個(gè)興趣類(lèi)的興趣度都較低，雖然長(zhǎng)短期興趣對(duì)各興趣類(lèi)具有不同的偏好程度，但長(zhǎng)期興趣度在整體上低于短期興趣度。從用戶(hù)興趣的持久性來(lái)看，教育、音樂(lè)、新聞、星座等長(zhǎng)期興趣類(lèi)的興趣度高于短期興趣。在數(shù)據(jù)持續(xù)的這段較短的時(shí)間內(nèi)，用戶(hù)對(duì)科技、娛樂(lè)和購(gòu)物等興趣類(lèi)更感興趣。通過(guò)上述對(duì)用戶(hù)長(zhǎng)短期興趣的關(guān)聯(lián)性和差異性的分析可知，本文將用戶(hù)興趣分為長(zhǎng)短期興趣，對(duì)興趣的度量和整體更新具有合理性。

為了驗(yàn)證本文用戶(hù)興趣更新的效果，對(duì)比分析本文的預(yù)測(cè)算法和在本文算法的基礎(chǔ)上忽略用戶(hù)興趣更新的預(yù)測(cè)算法，得到的AUC和Precision值是通過(guò)100次實(shí)驗(yàn)得到的平均值。

從圖11中可以看出，本文的預(yù)測(cè)算法相比較于忽略用戶(hù)興趣更新預(yù)測(cè)算法的AUC值高1.647%，Precision值高0.932%。由實(shí)驗(yàn)結(jié)果可知，雖然用戶(hù)的微博文本內(nèi)容中包含的信息量較大，但是微博內(nèi)容特別雜亂，或者由于一些不可預(yù)知的原因，導(dǎo)致興趣類(lèi)容易發(fā)生改變。因此考慮用戶(hù)的短期興趣類(lèi)向長(zhǎng)期興趣的轉(zhuǎn)換和長(zhǎng)期興趣類(lèi)的消失或沉默，準(zhǔn)確地細(xì)化用戶(hù)興趣的狀態(tài)并及時(shí)更新用戶(hù)興趣，能夠降低未知因素的干擾，得到較為穩(wěn)定的用戶(hù)興趣，提高用戶(hù)關(guān)系預(yù)測(cè)的準(zhǔn)確性。

Fig.11 Impactof interestupdating ofuserson forecasting results圖11用戶(hù)興趣更新對(duì)預(yù)測(cè)結(jié)果的影響

為了驗(yàn)證本文算法的預(yù)測(cè)效果，選取4種構(gòu)建用戶(hù)興趣的算法與本文的興趣相似性算法進(jìn)行對(duì)比分析。這4種算法分別是經(jīng)典算法TF-IDF和LDA[16]，基于隱含語(yǔ)義動(dòng)態(tài)分析用戶(hù)興趣的DPLSA算法[17]，融合網(wǎng)絡(luò)結(jié)構(gòu)和微博內(nèi)容的TFP算法[18]。通過(guò)這4種算法計(jì)算用戶(hù)間的相似性，并通過(guò)AUC和Precison評(píng)價(jià)指標(biāo)對(duì)這些算法進(jìn)行評(píng)價(jià)，得到的預(yù)測(cè)效果如圖12所示。

從這5類(lèi)算法的預(yù)測(cè)效果上來(lái)看，本文算法的預(yù)測(cè)效果最好，TFP算法次之，TF-IDF算法的效果最差。本文算法動(dòng)態(tài)考慮了用戶(hù)興趣變化，并通過(guò)關(guān)注列表推薦興趣偏好，也在一定程度上融合了社交網(wǎng)絡(luò)的局部結(jié)構(gòu)特征，因此預(yù)測(cè)效果較為明顯。TFP算法融合了網(wǎng)絡(luò)結(jié)構(gòu)和微博內(nèi)容信息，從整體網(wǎng)絡(luò)結(jié)構(gòu)和用戶(hù)興趣兩方面考慮用戶(hù)的相似性，但是因?yàn)樾吕宋⒉?duì)每個(gè)用戶(hù)信息有嚴(yán)格的限制，難以獲取全部的結(jié)構(gòu)信息。另外該算法并未考慮用戶(hù)興趣的變化，影響了預(yù)測(cè)精度。DPLSA算法采用固定的時(shí)間窗口跟蹤用戶(hù)興趣的變化，表征用戶(hù)興趣不太準(zhǔn)確。TF-IDF和LDA算法都是通過(guò)語(yǔ)料庫(kù)來(lái)提取關(guān)鍵字，導(dǎo)致很多與興趣無(wú)關(guān)的關(guān)鍵字融入在興趣集內(nèi)，從而使得算法的預(yù)測(cè)精度較低。

綜上所述，本文對(duì)比并分析了用戶(hù)長(zhǎng)期興趣和短期興趣之間的差異性和關(guān)聯(lián)性，并采用不同的方式度量、修正和更新用戶(hù)興趣。實(shí)驗(yàn)仿真結(jié)果表明，本文基于用戶(hù)興趣相似性的用戶(hù)關(guān)系預(yù)測(cè)算法設(shè)計(jì)合理有效，能夠準(zhǔn)確地描述用戶(hù)興趣，并提高用戶(hù)間關(guān)系預(yù)測(cè)的準(zhǔn)確性。

4 結(jié)束語(yǔ)

本文分析了目前基于用戶(hù)興趣的關(guān)系預(yù)測(cè)算法忽略用戶(hù)興趣具有持久性和易變性的特征，導(dǎo)致無(wú)法準(zhǔn)確描述用戶(hù)興趣，以及用戶(hù)關(guān)系預(yù)測(cè)準(zhǔn)確性低的問(wèn)題。針對(duì)該問(wèn)題，本文構(gòu)建了基于微博用戶(hù)興趣相似性的預(yù)測(cè)模型，根據(jù)關(guān)注列表推薦和短期興趣反饋來(lái)修正用戶(hù)的長(zhǎng)期興趣，通過(guò)興趣類(lèi)的長(zhǎng)短期興趣轉(zhuǎn)換實(shí)現(xiàn)用戶(hù)興趣的更新；采用基于興趣衰減函數(shù)的多階量化方法計(jì)算短期興趣度，基于興趣類(lèi)的頻率統(tǒng)計(jì)計(jì)算長(zhǎng)期興趣度；最后通過(guò)余弦相似性計(jì)算用戶(hù)的興趣相似度來(lái)預(yù)測(cè)用戶(hù)關(guān)系。通過(guò)實(shí)驗(yàn)證明，本文針對(duì)用戶(hù)長(zhǎng)短期興趣采用不同方式進(jìn)行度量，并對(duì)用戶(hù)興趣進(jìn)行修正、更新，能夠準(zhǔn)確地描述用戶(hù)興趣，對(duì)用戶(hù)關(guān)系預(yù)測(cè)具有較好的預(yù)測(cè)效果。

[1]Liu Zhiyuan,Shi Chuan,Sun Maosong.FolkDiffusion:a graph-based tag suggestionmethod for folksonom ies[C]//LNCS 6458:Proceedings of the 6th Asia Information Retrieval Societies Conference,Taipei,China,Dec 1-3,2010.Berlin,Heidelberg:Springer,2010:231-240.

[2]Backstrom L,Sun E,Marlow C.Findme if you can:improving geographicalpredictionw ith socialand spatialproximity[C]//Proceedings of the 19th International Conference on World WideWeb,Raleigh,USA,Apr 26-30,2010.New York:ACM,2010:61-70.

[3]Yang Changchun,Yang Jing,Ding Hong.A new friends recommendation algorithm for Sina m icroblogging[J].Computer Application and Software,2014,31(7):255-258.

[4]Wang Guoxia,Liu Heping.Survey of personalized recommendation system[J].Computer Engineering and Applications,2012,48(7):66-76.

[5]Zhang Shanliang,Zhou Yan.Timeweighted social networks link prediction algorithm based on random walk[J].Computer Applicationsand Software,2014,31(7):28-30.

[6]Wu Chengchao,WangWeiping.PLSA collaborative filtering algorithm incorporated w ith user interest change[J].Computer SystemsApplications,2014,23(5):162-166.

[7]Sun Jingyu,Li Xianhua,Yu Xueli.An improved item-based collaborative filtering algorithm w ith distinction between user's long and short interests[J].Journalof Zhengzhou University:Natural Science Edition,2010,42(2):35-38.

[8]Sun Wei.Interestmining and modeling form icro-bloggers ofmicro-blog[D].Dalian:Dalian University of Technology,2012.

[9]Guo Jinli.Complex networks and dynam ic evolutionmodel ofhuman behavior[M].Beijing:Science Press,2013:204-206.

[10]Qiu Jun.Research on user interestmodeling based onmicroblog social network[D].Shanghai:Shanghai Jiao Tong University,2013.

[11]Qiao Xiuquan,Yang Chun,LiXiaofeng,etal.A trust calculating algorithm based on social networking service users'context[J].Chinese Journal of Computers,2011,34(12):2403-2413.

[12]Li Feng,Pei Jun,You Zhiyang.Adaptive user interestmodel based on the implicit feedback[J].Computer Engineering and Applications,2008,44(9):76-79.

[13]Zhang Huaping.Sinam icroblog users'data[EB/OL].(2014-07-08)[2016-04-06].http://www.datatang.com/org/6880.

[14]Li Kechao,Liang Zhengyou.Exponential forgetting collaborative filtering recommendation algorithm incorporated w ith user interest change[J].Computer Engineering and Applications,2011,47(13):154-156.

[15]Pramono L H,Rohman A S,Hindersah D H.Modified weighting method in TF-IDF algorithm for extracting user topic based on email and socialmedia in integrated digital assistant[C]//Proceedings of the 2013 Joint International Conference on Rural Information&Communication Technology and Electric-Vehicle Technology,Bandung,Indonesia,Nov 26-28,2013.Piscataway,USA:IEEE,2013:1-6.

[16]Bian Jinqiang,Jiang Zengru,Chen Qian.Research onmultidocument summarization based on LDA topic model[C]//Proceedings of the 6th International Conference on Intelligent Human-Machine Systems and Cybernetics,Hangzhou,China,Aug 26-27,2014.Piscataway,USA:IEEE,2014:113-116.

[17]Yan Meng,Zhang Xiaohong,Yang Dan,etal.A component recommender for bug reports using discrim inative probabilitylatent semantic analysis[J].Information and Software Technology,2016,73:37-51.

[18]Shang Yanm in,Zhang Peng,Cao Yanan.A new interestsensitive and network-sensitivemethod for user recommendation[J].Journalon Communication,2015,36(2):121-129.

附中文參考文獻(xiàn):

[3]楊長(zhǎng)春,楊晶,丁虹.一種新的新浪微博好友推薦算法[J].計(jì)算機(jī)應(yīng)用與軟件,2014,31(7):255-258.

[4]王國(guó)霞,劉賀平.個(gè)性化推薦系統(tǒng)綜述[J].計(jì)算機(jī)工程與應(yīng)用,2012,48(7):66-76.

[5]張珊靚,周晏.基于隨機(jī)游走的時(shí)間加權(quán)社會(huì)網(wǎng)絡(luò)鏈接預(yù)測(cè)算法[J].計(jì)算機(jī)應(yīng)用與軟件,2014,31(7):28-30.

[6]吳成超,王衛(wèi)平.考慮用戶(hù)興趣變化的概率隱語(yǔ)意協(xié)同推薦算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2014,23(5):162-166.

[7]孫靜宇,李鮮花,余雪麗.區(qū)分用戶(hù)長(zhǎng)短期興趣的IBCF改進(jìn)算法[J].鄭州大學(xué)學(xué)報(bào):理學(xué)版,2010,42(2):35-38.

[8]孫威.微博用戶(hù)興趣挖掘與建模研究[D].大連:大連理工大學(xué),2012.

[9]郭進(jìn)利.復(fù)雜網(wǎng)絡(luò)和人類(lèi)行為動(dòng)力學(xué)演化模型[M].北京:科學(xué)出版社,2013:204-206.

[10]仇鈞.基于微博社會(huì)網(wǎng)絡(luò)的用戶(hù)興趣模型研究[D].上海:上海交通大學(xué),2013.

[11]喬秀全,楊春,李曉峰,等.社交網(wǎng)絡(luò)服務(wù)中一種基于用戶(hù)上下文的信任度計(jì)算方法[J].計(jì)算機(jī)學(xué)報(bào),2011,34(12):2403-2413.

[12]李峰,裴軍,游之洋.基于隱式反饋的自適應(yīng)用戶(hù)興趣模型[J].計(jì)算機(jī)工程與應(yīng)用,2008,44(9):76-79.

[14]李克潮,梁正友.適應(yīng)用戶(hù)興趣變化的指數(shù)遺忘協(xié)同過(guò)濾算法[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(13):154-156.

[18]尚燕敏,張鵬,曹亞男.融合鏈接拓?fù)浣Y(jié)構(gòu)和用戶(hù)興趣的朋友推薦方法[J].通信學(xué)報(bào),2015,36(2):121-129.

黃宏程（1979—），男，河南南陽(yáng)人，2006年于重慶郵電大學(xué)獲得碩士學(xué)位，現(xiàn)為博士研究生，重慶郵電大學(xué)通信與信息工程學(xué)院副教授，CCF會(huì)員，主要研究領(lǐng)域?yàn)閺?fù)雜網(wǎng)絡(luò)，信息處理，大數(shù)據(jù)技術(shù)與應(yīng)用等。

LUWeijin was born in 1989.He is an M.S.candidate at School of Communication and Information Engineering,Chongqing University of Postsand Telecommunications.His research interest ispersonalized recommendation.

陸衛(wèi)金（1989—），男，江蘇南通人，重慶郵電大學(xué)通信與信息工程學(xué)院碩士研究生，主要研究領(lǐng)域?yàn)閭€(gè)性化推薦。

HU M inwasborn in 1971.She received theM.S.degree from Chongqing University of Postsand Telecommunications in 2002.Now she isan associate professor and M.S.supervisor at Schoolof Communication and Information Engineering,Chongqing University of Postsand Telecommunications.Her research interests includew ireless communication,communication network system and protocol,etc.

胡敏（1971—），女，重慶人，2002年于重慶郵電大學(xué)獲得碩士學(xué)位，現(xiàn)為重慶郵電大學(xué)通信與信息工程學(xué)院副教授、碩士生導(dǎo)師，主要研究領(lǐng)域?yàn)闊o(wú)線通信，通信網(wǎng)體系與協(xié)議等。

WEIQing was born in 1990.He is an M.S.candidate at School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications.His research interests include communication network system and big dataanalysis,etc.

魏青（1990—），男，河南信陽(yáng)人，重慶郵電大學(xué)通信與信息工程學(xué)院碩士研究生，主要研究領(lǐng)域?yàn)橥ㄐ啪W(wǎng)體系，大數(shù)據(jù)分析等。

User Relationships Prediction Algorithm w ith Interest Sim ilarity M easurement*

HUANG Hongcheng1,2+,LUWeijin1,HUM in1,WEIQing1
1.School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications,Chongqing 400065,China
2.Collegeof Computer Science,Chongqing University,Chongqing 400044,China

For the problem that current researchers only pay their attention to the changeability and ignore the durability when they study user interest inm icroblog,this paper proposes a user relationship prediction algorithm based on interest sim ilarity.In this algorithm,interests are divided into two types:long-term interest characterized by labels and short-term interestcharacterized by texts,and a frequency statisticsandmulti-orderquantizationmethod isused to measure and update the degree of user interestaccording to the features of the interest.The sim ilarity between user interests is computed by themethod of cosine sim ilarity which is used to predictuser relationship.Results show that the proposed algorithm can accurately describe user's interest,and improve the precision of user relationship prediction.

user interest;sim ilarity;multistagequantization;relationship prediction

gcheng was born in 1979.He

the M.S.degree in communication and information engineering from Chongqing University of Posts and Telecommunications in 2006.Now he is an associate professor at School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications,and the member of CCF.His research interests include complex network,information processing,big data technology and application,etc.

A

：TP391

*The National Natural Science Foundation of China under Grant No.61401051(國(guó)家自然科學(xué)基金);the Foundation and Frontier Research Projectof Chongqing Science and Technology Comm ission under GrantNo.cstc2014jcyjA 40039(重慶市科委基礎(chǔ)和前沿研究項(xiàng)目);the Science and Technology Research Projectof Chongqing Municipal Education Comm ittee under Grant No.KJ1400402(重慶市教委科學(xué)技術(shù)研究項(xiàng)目).

Received 2016-06,Accepted 2016-09.

CNKI網(wǎng)絡(luò)優(yōu)先出版:2016-09-08,http://www.cnki.net/kcms/detail/11.5602.TP.20160908.1045.012.htm l

摘 要：針對(duì)目前研究微博用戶(hù)興趣變化時(shí)，只考慮用戶(hù)興趣的易變性而忽略了用戶(hù)興趣持久性的問(wèn)題，提出了基于用戶(hù)興趣相似性的用戶(hù)關(guān)系預(yù)測(cè)算法。將用戶(hù)興趣分為短期興趣和長(zhǎng)期興趣，用戶(hù)的文本信息表征為短期興趣，用戶(hù)的標(biāo)簽表征為長(zhǎng)期興趣。根據(jù)長(zhǎng)短期興趣的特征，采用頻率統(tǒng)計(jì)和多階量化的方法度量用戶(hù)興趣度并更新用戶(hù)興趣狀態(tài)。最后通過(guò)余弦相似性指標(biāo)計(jì)算用戶(hù)間的興趣相似度來(lái)預(yù)測(cè)用戶(hù)關(guān)系。實(shí)驗(yàn)結(jié)果表明，該算法能夠準(zhǔn)確描述用戶(hù)興趣，提高用戶(hù)關(guān)系預(yù)測(cè)的準(zhǔn)確性。