[发明专利]一种基于相似社区的舆情个性化推荐算法

摘要

本发明提出了一种基于相似社区的舆情个性化推荐算法，包括如下步骤：基于相似社区的思想，通过基于图计算相似社区的发现和数据挖掘，分析提取用户特征，形成相似用户的“邻居”集。其中，根据上述特征来计算用户之间的相似度。根据余弦相似性、相关相似性等方法求出相似度值，进而排序形成目标用户的最近“邻居”集。根据该“邻居”用户进行推荐。其中，根据其“邻居”集中的用户对舆情话题进行预测评价，将评价高的舆情话题推荐给用户。一种基于相似社区的舆情个性化推荐算法实现了通过提取相似社区的用户特征，形成相似用户的“邻居”集，利用相似用户群体兴趣以及行为的协同过滤方法对“邻居”用户进行推荐，从而提高了内容推荐的精确度，同时也扩展了内容覆盖面。

主权项

1.一种基于相似社区的舆情个性化推荐算法，其特征在于，通过基于图计算相似社区的发现和数据挖掘，可以对相似社区的用户进行特征的提取，分析用户对某舆情话题的历史浏览行为信息或评价，以及用户的基本属性(包括年龄、性别、兴趣爱好)，通过相应的相似度计算公式计算用户之间的相似性，形成相似用户的“邻居”集。根据该“邻居”用户进行推荐。协同过滤的算法即利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的舆情信息，个人通过合作的机制给予信息相当程度的回应(如评价)，并记录下来以达到过滤的目的进而帮助别人筛选信息，包括以下步骤：a.数据初始化数据初始化主要是将学生对舆情话题的评价数据进行初始化。构建学生和舆情话题的关系矩阵，即评价矩阵，同时去除冗余项目。b.最近邻居集的形成根据上述关系来计算用户之间的相似度。根据余弦相似性、相关相似性等方法求出相似度值，进而排序形成目标用户的最近“邻居”集。c.预测评价及产生推荐结果通过相似度高低可以获得目标用户的“邻居”集，然后根据其“邻居”集中的用户对舆情话题进行预测评价，将评价高的舆情话题推荐给用户。评价预测计算公式如下：式中：Rv——分别代表用户u,v对所有舆情话题评价的平均值。