基于边际价值的微博关注推荐算法

在微博平台信息快速增长的同时,出现了信息泛滥和信息超载的问题。目前提出的关注推荐算法更多追求提高算法的准确性,而忽视了推荐系统的多样性,使用户获得的推荐列表过于相似,信息冗余度高。为提高推荐系统的多样性,基于传统协同过滤推荐和LDA的文本挖掘方法,本文提出了一种基于边际价值的微博关注推荐算法,以新增关注用户的边际价值作为推荐标准,期望用最少的关注用户满足最大的信息需求。实验结果表明,当推荐用户数为10时,本文提出算法的多样性达到了64.72%,而传统的协同过滤算法只有38.96%,推荐列表的多样性有明显提高。