基于社交圈的在线社交网络朋友推荐算法
本文关键词:基于社交圈的在线社交网络朋友推荐算法 出处:《计算机学报》2014年04期 论文类型:期刊论文
更多相关文章: 社交网络 社交圈 朋友推荐 社团发现 相似性 社会计算
【摘要】:为用户推荐朋友是在线社交网络的重要个性化服务.社交网站通过用户之间是否有相同属性信息或公共邻居判断他们能否成为朋友,但由于用户注册信息不完善和对公共邻居之间关系的忽略,推荐精度不高.事实上用户的朋友可以组成多个社交圈,拥有相似社交圈的用户更易成为朋友.因此,首先提出了社交圈检测算法,进而定义用户间的社交圈相似性,基于社交圈相似程度为用户推荐新朋友.使用YouTube数据验证了该文假设;使用Facebook自我网络数据,验证了社交圈检测方法的有效性,并与3种典型检测算法比较;使用区域Facebook数据,通过与公共邻居、Jaccard相似性比较,进一步验证了朋友推荐方法的准确性.
[Abstract]:Friends are important for users to recommend personalized service of online social networks. Whether the same attribute information or whether they can become a common neighbor between friends through social networking users, but because the user registration information is not perfect and the neglect of public relations between the neighbors, the recommendation accuracy is not high. In fact, the user can be composed of multiple social friends have a similar social circle circle, users are more likely to become friends. Therefore, first proposed the circle detection algorithm, and then define the user between social circle similarity, similarity degree for users to recommend new friends on social circle. The use of YouTube data to verify the hypothesis; use Facebook self network data, verify the validity of social circle detection method, and compared with 3 kinds of typical detection algorithm; using regional Facebook data, and the public by neighbors, Jaccard similarity comparison, further verified The accuracy of the method of recommendation by a friend.
【作者单位】: 西安电子科技大学计算机学院;西安电子科技大学经济与管理学院;
【基金】:国家自然科学基金(60933009,91130006,61303122) 陕西省社科基金资助项目(11M016) 中央高校基本科研业务费(K5051106004)资助
【分类号】:TP391.3;TP393.09
【正文快照】: 1引言随着Web2.0技术的成熟,在线社交网络(OnlineSocial Network,OSN),如Facebook、Twitter、人人网等吸引了大量用户.用户们不仅把现实生活中的人际关系搬到了网络上,还建立了与线下无关的单纯线上朋友关系,在社交网络上搭建起全新的沟通和分享信息的平台.在社交网络提供的众
【共引文献】
相关期刊论文 前10条
1 周涛;韩筱璞;闫小勇;杨紫陌;赵志丹;汪秉宏;;人类行为时空特性的统计力学[J];电子科技大学学报;2013年04期
2 翁伟;朱顺痣;吴芸;;结合局部相似性的模块密度法探测网络社区[J];福建师范大学学报(自然科学版);2013年06期
3 谭龙;陈冠;王思源;孟兴民;;逻辑回归与支持向量机模型在滑坡敏感性评价中的应用[J];工程地质学报;2014年01期
4 周涛;张子柯;陈关荣;汪小帆;史定华;狄增如;樊瑛;方锦清;韩筱璞;刘建国;刘润然;刘宗华;陆君安;吕金虎;吕琳媛;荣智海;汪秉宏;许小可;章忠志;;复杂网络研究的机遇与挑战[J];电子科技大学学报;2014年01期
5 阚佳倩;谢家荣;张海峰;;社会强化效应及连边权重对网络信息传播的影响分析[J];电子科技大学学报;2014年01期
6 方耀宁;郭云飞;丁雪涛;兰巨龙;;一种基于标签迁移学习的改进正则化奇异值分解推荐算法[J];电子与信息学报;2013年12期
7 郝理阳;潘泉;;基于融合核方程对药物-靶点作用预测研究[J];电子设计工程;2013年23期
8 赵健;;基于MVC的网络信息安全模型设计[J];电脑知识与技术;2013年34期
9 许小可;许爽;朱郁筱;张千明;;复杂网络中链路的可预测性[J];复杂系统与复杂性科学;2014年01期
10 李飞;张斌;高岩;张鑫龙;;基于协作过滤的传感器数据补全方法[J];东北大学学报(自然科学版);2014年03期
相关博士学位论文 前10条
1 杨鑫;三维超声图像中颈动脉粥样硬化的表型量化与分析[D];华中科技大学;2013年
2 杨秋菊;基于全天空图像和紫外图像的极光事件检测与分析[D];西安电子科技大学;2013年
3 谢辉;基于复杂网络的若干动态机制研究[D];西安电子科技大学;2013年
4 张尧;B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D];哈尔滨工业大学;2013年
5 程辉;网络用户偏好分析及话题趋势预测方法研究[D];北京交通大学;2013年
6 季桂树;肝癌超声图像纹理特征识别中的关键技术研究[D];中南大学;2013年
7 黄新;基于化学数据的若干统计学习新方法研究[D];中南大学;2013年
8 丁建睿;基于多示例学习的浅表器官超声图像分类方法研究[D];哈尔滨工业大学;2012年
9 李聪;协同过滤推荐系统托攻击防御技术研究[D];国防科学技术大学;2012年
10 柳伟;自治资源聚合中信誉机制的评价方法研究[D];国防科学技术大学;2012年
相关硕士学位论文 前10条
1 张川;基于矩阵分解的协同过滤推荐算法研究[D];吉林大学;2013年
2 席超;面向稀疏性数据的协同过滤推荐算法的研究与实现[D];北京邮电大学;2013年
3 熊金水;人脸识别相关技术及其嵌入式应用[D];北京邮电大学;2013年
4 陶然;G蛋白偶联受体—配体相互作用网络的预测方法及应用研究[D];华东师范大学;2013年
5 戴玉敏;基于不变特性和颜色向量角的图像Hash算法[D];广西师范大学;2013年
6 王爱萍;白介素8(IL8)及亚型与卵巢上皮性癌相关性研究[D];广西医科大学;2013年
7 莫嘉林;基于代价敏感布雷格曼散度的旋转机械轴承故障诊断研究[D];长沙理工大学;2013年
8 邓琨;基于拓扑相似性的动态网络链路预测方法[D];西安电子科技大学;2013年
9 杨建业;动态网络拓扑结构变化的多角度度量[D];西安电子科技大学;2013年
10 陈U,
本文编号:1419685
本文链接:https://www.wllwen.com/guanlilunwen/ydhl/1419685.html