基于用户建模的个性化微博排序研究

As a new kind of social media, micro-blogging service has grown to a popular internet service and provides a number of real-time messages for users. Although these messages allow users to access information on-the-fly, users often complain the problems of information shortage and overload. In order to alleviate these problems, we study personalized microblog ranking based on user modeling. User modeling includes individual modeling and group modeling. For the shortage problem, we use attribute-based group modeling so as to analyze the popularity of information and meet users’ general information need. For the overload problem, the attribute-based individual modeling is to analyze one user' interests and provide personalized information. Then, we propose a method of personalized microblog ranking based on latent factor model that can combine multiple explicit features and multiple interactions. The motivation is to use explicit information of user and group modeling, and mine implicit information between user and microblog, user and user respectively. Finally, for the evaluation of microblog ranking, we study automatic acquirement of user relevance judgment based on user behaviors.

作为新型的社交媒体，微博已经成为目前流行的互联网服务，为用户提供大量的实时信息。用户在享受微博方便、快捷服务的同时，经常遇到信息稀缺和信息过载问题。针对这些问题，本项目研究基于用户建模的个性化微博排序。用户建模包括个体用户建模和群体用户建模。针对信息稀缺问题，基于微博属性的群体用户建模方法能理解大众化的趋势信息，满足用户一般性的信息需求。针对信息过载问题，基于微博属性的个体用户建模能获取用户的兴趣爱好，满足用户个性化的信息需求。然后，探索融合多特征和多交互的隐因子模型，使微博排序模型不但可以利用个体用户建模和群体用户建模的显式信息，还可以挖掘用户和微博、用户与用户之间交互的隐式信息。最后，在个性化微博排序评价体系方面，研究基于用户行为的自动化微博排序评价方法。

作为新型的社交媒体，微博已经成为目前流行的互联网服务，为用户提供大量的实时信息。用户在享受微博方便、快捷服务的同时，经常遇到信息稀缺和信息过载问题。.针对这些问题，本项目研究基于用户建模的个性化微博排序。项目组提出属性偏好和趋势偏好的概念，并且使用它们建立个体用户模型和群体用户模型。在个性化微博排序模型方面，采用Factorization Machines作为扩展和优化的基础模型，主要探索增加更多的参数和把模型估计变成矩阵凸优化的问题。最后，从网络上采集大量微博数据，构建了一个微博个性化排序评价的语料库，为微博个性化排序的研究提供数据支持。.项目组发现基于微博属性的用户建模和趋势建模可以准确地反映用户和群体的偏好，扩展和优化的Factorization Machine模型能够提高微博个性化排序的效果，而在模型中考虑微博的时效性，会进一步提高微博个性化排序的效果。.项目的关键数据是创建了一个微博个性化排序评价的语料库，用于验证提出的方法和模型。.本项目的研究成果不但可以用于个性化微博排序，还适用于微博消息过滤、好友推荐、实时搜索等其他研究领域。