赵岩露, 王晶, 沈奇威

（1 北京邮电大学网络与交换技术国家重点实验室, 北京 100876；2 东信北邮信息技术有限公司, 北京 100191）

1 引言

个性化推荐是一种广泛使用的Web个性化服务应用程序，它根据用户的兴趣和特点，对信息资源进行收集、整理和分类，向用户提供和推荐符合其兴趣偏好或需求的信息[1]。而个性化推荐的本质是如何描述和发现用户的兴趣[2]。

社交网络服务作为社会化媒体的出现，已经在用户的日常生活中占据很大的地位。腾讯微博，作为中国最大的微博网站之一，拥有超过2亿注册用户，每天产生超过4000万条消息。由于社交网络中用户的入度和出度的分布也是满足长尾分布的[3]，并且对于使用者来说用户比消息本身重要的多，因此如何给用户推荐其感兴趣的用户，并减少信息超载的风险就成了亟待解决的问题，也提供了寻求新的数据挖掘解决方案的机会[4]。

本文在腾讯微博的开放数据集基础上，分析用户的特征信息(包括用户的个人基本信息、用户的微博信息、用户的行为信息和用户的关注信息)，建立用户兴趣模型，发掘用户的相关用户列表，采用协同过滤的方法为用户推荐其可能感兴趣的明星用户，达到个性化推荐的效果。

2 兴趣模型研究现状综述

用户兴趣模型适用的场合很广泛，无论是电子商务、社交网络还是搜索引擎。

如何规划系统的动作, 也是构建用户模型过程中的一大难点[5,6]。

衡量一个用户兴趣模型好坏的主要因素是其表示用户兴趣的能力[7]。……