在线社会网络中好友推荐算法研究

发布时间：2017-08-15 11:25

  本文关键词：在线社会网络中好友推荐算法研究

  更多相关文章： 好友推荐 社交网络 社团划分 边聚类 社交圈

【摘要】：随着在线社会网络的迅速普及与发展,社交网络中的数据呈现出指数级增长的趋势。社交网络中的用户无法有效处理随之而来的大量信息,使得社交网络中信息的利用率没有增加,反而呈减少的趋势。搜索引擎仅仅能够根据用户的查询识别被服务的对象,而考虑不到用户的个性,这样不能得到令用户满意的查询结果。信息的爆炸式增长在给搜索带来一定困难的同时,也使社交网络中的用户扩大自己的社交圈变得很困难,使得用户在社交网络中不能获得很好的用户体验,也失去了对社交网络的粘性。这些都将使商家的利益受损。用户推荐作为社交网络中的一项重要内容,通过给用户推荐合适的好友,帮助用户发现有价值的信息。所以如何准确有效地给用户推荐好友将是未来的一个挑战和有用的研究课题。(1)为了体现出对用户进行好友推荐时用户的倾向性,同时也为了能够真实地反应出现实生活中人与人之间的交互关系的程度,本文通过用户之间交互关系的方向为用户之间的交互关系加权,从而为用户之间的好友关系定义了一个信任度。(2)本文在信任度的基础上提出了一种基于信任关系的社交圈检测算法,算法首先通过融合用户之间的信任关系对社交图中的相邻边拓扑信息相似性改进,然后结合用户发布的内容信息提出了一种新的相邻边相似性计算方法,最后导出用户的信任社交圈。(3)本文在信任社交圈的基础上提出了一种好友推荐算法,该算法通过考虑社交圈中用户之间的信任程度,对用户与用户之间的相似性计算方法进行改进,从而实现用户的好友推荐。(4)实验利用facebook的数据,将本文提出的算法与当前较先进的好友推荐算法和传统的好友推荐算法比较,在一定程度上验证了本文提出好友推荐算法的准确性和有效性。
【关键词】：好友推荐 社交网络 社团划分 边聚类 社交圈
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 绪论9-16
• 1.1 课题研究背景及意义9-11
• 1.2 国内外研究现状及挑战11-14
• 1.3 本文的研究内容14
• 1.4 论文的组织结构14-16
• 第二章 相关技术研究16-35
• 2.1 社交网络理论相关介绍16-17
• 2.2 推荐算法相关技术介绍17-29
• 2.3 基于内容的推荐算法29-30
• 2.4 好友推荐算法相关介绍30-33
• 2.5 本章小结33-35
• 第三章 基于信任社交圈的好友推荐算法35-51
• 3.1 基于信任关系的社交圈检测算法35-47
• 3.1.1 基于信任关系的社交圈检测算法描述37-40
• 3.1.2 基于信任关系的社交圈检测算法实现40-47
• 3.2 基于信任社交圈的好友推荐算法47-50
• 3.2.1 基于信任社交圈的好友推荐算法描述47-48
• 3.2.2 基于信任社交圈的好友推荐算法实现48-50
• 3.3 本章小结50-51
• 第四章 用户推荐算法的结果与分析51-60
• 4.1 实验数据分析及实验环境51-52
• 4.1.1 实验数据分析51-52
• 4.1.2 实验环境52
• 4.2 用户推荐算法评价指标52-55
• 4.3 用户推荐算法性能评测55-59
• 4.3.1 实验数据清洗55
• 4.3.2 实验方案设计55
• 4.3.3 AUC评价指标对比结果55-57
• 4.3.4 Precision评价指标对比结果57-59
• 4.3.5 实验结果分析59
• 4.4 本章小结59-60
• 第五章 总结与展望60-62
• 参考文献62-66
• 致谢66-67
• 攻读硕士学位期间发表的学术论文目录67

【参考文献】

中国期刊全文数据库 前5条

1 王s，

本文编号：677898