基于RBF神经网络的微博用户兴趣预测模型

• 作者: 于岩 于洪涛 陈鸿昶
• 来源期刊: 计算机应用研究
• 关键词: 微博 邻居节点 长期兴趣 短期兴趣 RBF神经网络 预测算法
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3555-3559
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.12.006

摘要

针对现有用户兴趣预测模型未考虑邻居节点影响、长期兴趣与短期兴趣的区分等不足,提出一种基于RBF神经网络的微博用户兴趣预测模型,增强微博兴趣预测准确度,提高商品与服务推荐效率.该模型将用户兴趣分成长期兴趣和短期兴趣,综合考虑目标用户固有兴趣和邻居用户对目标用户的兴趣影响,在此基础上采用具有良好学习能力、唯一逼近性特点的正则化RBF神经网络对用户兴趣进行预测.在腾讯微博数据的实验中,对用户长期与短期兴趣预测的偏差分别为4.31％、14.53％,偏差方差分别为0.31、48.12,仿真结果表明该模型较已有的兴趣预测算法具有更好的预测精度和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈鸿昶		61	354	10.0	16.0
2	于洪涛		44	339	10.0	16.0
3	于岩		4	60	4.0	4.0