基于图排序的微博个性化主题搜索的中期报告.docx

基于图排序的微博个性化主题搜索的中期报告
首先介绍一下我们的研究背景和问题：
随着微博日益发展壮大，越来越多的人开始通过微博进行交流和分享。然而，随着信息量逐渐增大，如何有效地搜索到自己感兴趣的主题成为了一个很大的问题。因此，我们希望通过基于图排序的方式来进行微博个性化主题搜索。
我们的目标是建立一个可以根据用户的兴趣偏好自动推荐相关主题的系统。具体来说，我们需要解决以下几个问题：
1.如何为微博建立图模型？
2.如何利用图排序算法对图进行排序？
3.如何根据排序结果为用户推荐合适的主题？
以下是我们的研究进展和初步结果：
1.图模型的构建
我们采用了点与点之间相似度计算的方式，将微博建立起了一个加权有向图。具体来说，我们首先进行关键词提取和向量化，然后计算相似度，并在相似度大于某个阈值的点之间连接一条边。同时，我们将点和边加上权重，以反映它们对话题相关性的重要程度。
2.图排序算法的选择
为了达到我们的目标，我们选择了PageRank算法进行图排序。PageRank算法是一种搜索排序算法，它通过对链接的数量和质量进行分析来对互联网上的网页进行排序。我们将这个算法应用到微博图模型中，以计算每个节点的重要性，并进行排序。
3.推荐系统的实现
我们当前的工作重点是建立一个简单的推荐系统原型。我们会根据用户的兴趣指数和已经计算出来的节点重要性进行推荐，并将推荐结果通过前端显示。
以下是我们后续计划的工作：
1.完善图模型构建。我们会进一步完善关键词提取和向量化方法，并对连接和权重进行优化，以提高模型质量。
2.探索更多的排序算法。我们会尝试不同的排序算法，并对它们进行比较和分析，以选出最适合我们需求的算法。
3.完善推荐系统实现。我们会进一步完善推荐系统的实现，增加更多的推荐选项和用户反馈机制，以提高系统的用户体验。