1、基于 Twitter 的用户建模用于个性化新闻推荐

基于 Twitter 的用户建模用于个性化新闻推荐

1 引言

如今，Twitter 已成为网络上最知名的微博服务，拥有超 1.9 亿用户，日发帖量超 6500 万。人们在 Twitter 上发布日常活动的短消息（推文），近期研究人员开始探索其在趋势分析、早期预警系统等方面的应用。不过，目前对于理解单个 Twitter 活动的语义以及从这些活动中推断用户兴趣的研究还比较少。由于推文限制在 140 个字符以内，理解单个推文的含义并将其用于用户建模并非易事。

本文旨在研究如何利用 Twitter 活动进行用户建模，并在推荐新闻文章的背景下评估用户模型的质量。我们开发了一个框架，用于丰富单个 Twitter 活动的语义，并允许构建不同类型的语义用户简档。这些用户简档的特征受到不同设计维度和设计选择的影响。为了更好地理解这些因素如何影响最终用户简档的特征和质量，我们对包含超 200 万条推文的大型 Twitter 数据集进行了深入分析，并回答了以下研究问题：
- 语义丰富如何影响基于 Twitter 的简档的特征和质量？
- （不同类型的）简档如何随时间演变？是否有任何特征性的时间模式？
- 不同的用户建模策略如何影响个性化（个性化新闻文章推荐）？考虑时间模式是否能提高推荐的准确性？

2 相关工作

自 2007 年 Twitter 推出以来，微博变得非常流行，研究人员开始研究 Twitter 的信息传播模式或分析其网络结构以识别有影响力的用户。一些研究利用 Twitter 检测和排名可能尚未被网络搜索引擎索引的新鲜 URL，还有研究在推荐 Twitter 消息中发布的 URL 方面进行了探索，但他们大多只是简单地将用户的 Twitter