基于多源信息相似度的微博用户推荐算法
来源：计算机应用杂志2017年第5期北京时间：
作者：姚彬修, 倪建成, 于苹苹, 李淋淋, 曹博
单位：1. 曲阜师范大学 信息科学与工程学院, 山东 日照 276826;2. 曲阜师范大学 软件学院, 山东 曲阜 273100
摘要：针对传统的协同过滤（CF）推荐算法中存在的数据稀疏性和推荐准确率不高的问题，提出了基于多源信息相似度的微博用户推荐算法（MISUR）。首先，根据微博用户的标签信息运用K最近邻（KNN）算法对用户进行分类；然后，对得到的每个类中的用户分别计算其多源信息（微博内容、交互关系和社交信息）的相似度；其次，引入时间权重和丰富度权重计算多源信息的总相似度，并根据其大小进行TOP-N用户推荐；最后，在并行计算框架Spark上进行实验。实验结果表明，MISUR算法与CF算法和基于多社交行为的微博好友推荐算法（MBFR）相比，在准确率、召回率和效率方面都有较大幅度的提升，说明了MISUR算法的有效性。
关键词：多源信息,稀疏性,相似度,时间权重,丰富度权重
基金资助：国家自然科学基金资助项目（61402258）；山东省本科高校教学改革研究项目（2015M102）；校级教学改革研究项目（jg05021）。
