LBSN中基于好友聚類的社交搜索系統(tǒng)設計與實現(xiàn).pdf

1、在線社交網(wǎng)絡(OSNs-online social networks)的發(fā)展與普及給人們的日常生活帶來了極大的便利，如今每天有多達數(shù)十億的用戶活躍在OSNs上，產(chǎn)生了大量的社交信息。漸漸地，人們將搜索的習慣從傳統(tǒng)的網(wǎng)頁搜索如谷歌、百度，轉(zhuǎn)移到了OSNs上來，社交搜索便應運而生。由于傳統(tǒng)搜索方式有著查準率低，用戶篩選時間長，搜索結(jié)果一致化等缺點，在用戶個性化搜索的背景下，社交搜索依托于傳統(tǒng)的搜索原理，結(jié)合用戶的社交信息，可以產(chǎn)生個性化的搜

2、索結(jié)果，提高搜索精度?？偟膩碚f，社交搜索是找正確的人（朋友、愛好相似的用戶、領域?qū)＜业龋槠渚_快速的回答問題。隨著基于位置的社交網(wǎng)絡（LBSN-location-based social network）的興起，在移動電話、平板電腦等移動設備和GPS、WiFi等移動技術(shù)的支持下，為社交搜索的移動化研究提供了理論依據(jù)。
　　針對當前LBSN平臺上社交搜索選取的社交特征不具代表性、搜索算法效率不高的現(xiàn)狀，從Foursquare真實數(shù)

3、據(jù)集中提取基于位置信息和聯(lián)系人信息等多維特征，本文提出基于好友聚類的KNN搜索算法，設計基于倒排索引的搜索引擎，結(jié)合距離等因素使搜索結(jié)果更加精確、搜索速度得到提升。為使搜索結(jié)果更加精確，首先，在研究用戶朋友的基礎上，對朋友進行聚類。由于LBSN屬于異構(gòu)網(wǎng)絡，數(shù)據(jù)集比較稀疏，通過聚類可以使數(shù)據(jù)更加稠密化，降低因數(shù)據(jù)稀疏導致的不利影響;其次，搜索算法的設計上，在考慮了傳統(tǒng)社交影響力的基礎上，增加了專業(yè)相關(guān)度和距離遠近兩個指標。綜合搜索得分、

4、社交得分和距離得分，通過線性回歸的模型訓練，使搜索結(jié)果更加精確客觀。
　　本文從Foursquare的真實數(shù)據(jù)集中，篩選出發(fā)生在紐約的數(shù)據(jù)。然后對四種搜索算法（本文提出的算法和三個對比算法）分別進行實驗，通過對實驗結(jié)果的對比和分析可以得出:(a)本文提出的搜索算法(FCSD-KNN)有效地提高了社交搜索的精度，相較于其他三種典型的對比算法取得了更好的效果;(b)通過對其他三種搜索算法(FCS-KNN、FC-KNN和F-KNN)的比