基于內(nèi)容與社會(huì)過濾的好友推薦算法研究.pdf

1、隨著Internet的快速發(fā)展,人類社會(huì)正式進(jìn)入了信息社會(huì)和互聯(lián)網(wǎng)的網(wǎng)絡(luò)交互時(shí)代。國內(nèi)外涌現(xiàn)了各種不同的社交網(wǎng)站,如Facebook,twitter,Flickr,新浪微博,人人網(wǎng)等。在社交網(wǎng)絡(luò)中,用戶添加其他的用戶為自己的好友是社交網(wǎng)站提供的最基本的功能。而面對(duì)數(shù)量日益增長中的社交網(wǎng)絡(luò)用戶,如何添加和自己有共同興趣愛好的其他用戶成為自己的好友,對(duì)于目前的推薦算法是一個(gè)巨大的挑戰(zhàn)。社交網(wǎng)絡(luò)中的好友推薦系統(tǒng)就是針對(duì)這一難題而出現(xiàn)的。在社交

2、網(wǎng)絡(luò)中現(xiàn)存的好友推薦算法大多只考慮長時(shí)間使用的用戶,而對(duì)新注冊(cè)的用戶推薦準(zhǔn)確度明顯不夠。同時(shí)過多的考慮用戶之間的共同好友,或者是過多的給用戶推薦一些熱點(diǎn)用戶,無法為用戶提供個(gè)性化的好友推薦。
　　本文詳細(xì)地分析了目前流行的推薦算法,研究了已經(jīng)運(yùn)用在社交網(wǎng)絡(luò)中的好友推薦機(jī)制。針對(duì)目前社交網(wǎng)絡(luò)中好友推薦存在的問題,提出基于內(nèi)容和社會(huì)過濾的好友推薦算法,該算法能夠綜合地考慮用戶的個(gè)人信息和現(xiàn)有的人脈好友。首先,本文對(duì)社交網(wǎng)絡(luò)中的對(duì)象進(jìn)行

3、了定義,并分析了目前優(yōu)化推薦算法性能的最常用的方法。其次,提出基于內(nèi)容推薦算法計(jì)算用戶之間的相似性,得出一個(gè)與目標(biāo)用戶相似度最高的用戶集合。然后,提出社會(huì)過濾算法,使用關(guān)聯(lián)規(guī)則計(jì)算與用戶相似度最高的用戶集合中與目標(biāo)用戶共同好友數(shù)量最多的用戶,組成一個(gè)共同好友最多的用戶集合。最后結(jié)合用戶的個(gè)人信息和社會(huì)關(guān)系兩種推薦因素,推導(dǎo)出個(gè)性化好友推薦算法。
　　在實(shí)驗(yàn)部分,先設(shè)計(jì)了驗(yàn)證算法的推薦系統(tǒng),為測(cè)試算法的性能做出技術(shù)平臺(tái)支持。在實(shí)驗(yàn)數(shù)