微博用户相似度分析

微博的几个操作：原创、转发、回复、阅读、关注、@。其中，前四个是针对短博文；关注和@则针对的是用户之间的关系，关注某个人就意味着你成为他的粉丝，而他成为你的好友；@某个人意味着你想要他看到你的微博信息。

1）标签传播算法

只针对用户标签：

    a）对每一个用户，根据其初始标签生成标签向量X={x1,x2,...xn}。

    b）对每一个用户，令Y = X1 ∩ X2 ...∩ Xm = {y1,y2,...,yk}，表示其好友和粉丝的标签向量的交集；对Y的每一个分量yi，统计yi在X1 ∪ X2 ...∪ Xm中出现的频率。

    c）选择向量Y中频率最高的K个标签分量作为该用户的K个标签。

    d）重复b、c直到每个用户的标签变化不大。

2）关键词拟合算法

只针对用户微博：

    a）对每一个用户，根据其微博内容分词，生成关键词向量X={x1,x2,...xn}。

    b）对该用户的每个好友和粉丝Xi，用 | X ∩ Xi | 除以 | X ∪ Xi | 表示Xi与X的微博相似程度。

    c）根据该相似度对标签传播进行加权。

3）时间差分拟合算法

考虑时间因素造成用户兴趣的变化：

    a）对每一个用户，只选取最近300条或最近100天发出的微博，每30条一组或10天一组，对每组微博的贡献加不同的权值，分别是r，r*r，r*r*r...。

4）转发与@启发式算法

    a）可以将转发、@频率量化为值，作为权重添加到相似度的衡量中。

5）好友聚合算法

    a）两个用户的共同好友越多，这两个好友的关系相似度越高。

    b）两个用户的共同粉丝越多，这两个好友的关系相似度越高。

上面说了那么多，可以采用一种加权函数将它们融合起来，得到最后的相似度。

参考：

http://blog.csdn.net/stdcoutzyx/article/details/18814627