資源描述：
《社交網(wǎng)絡(luò)中基于圖排序的好友推薦機制研究與實現(xiàn).pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、ADissertationSubmittedtoZhejiang∥缸一oUniVersityfortheDegreeofMasterofEngineering’-，、-，TITLE：FriendsRecommendationBasedonAuthor：SuperVisor：Subject：￡Qm衛(wèi)塑!曼!SQ魚墮叢曼塹亟!h曼Q醒一CoUege：gQ!!曼g曼Q￡￡Q墊衛(wèi)墜!曼!墨魚i曼墮Q曼．．SubmittedDate：2011．01浙江大學(xué)研究生學(xué)位論文獨創(chuàng)性聲’等物緞熘本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果
2、。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得逝姿盎堂或其他教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：簽字日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解逝江大堂有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交本論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)逝江大堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索和傳播，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)
3、書)學(xué)位論文作者簽名：導(dǎo)師簽名：簽字日期：年月’日簽字日期：年月日浙江大學(xué)碩士學(xué)位論文摘要隨著Web2．0技術(shù)的蓬勃發(fā)展，全球互聯(lián)網(wǎng)進入了SNS時代。各種不同的SNS網(wǎng)站不斷涌現(xiàn)，如Facebook，佩tter，Myspace，F(xiàn)lickr等。在這類網(wǎng)站上，用戶可以添加其他用戶為好友。對于一個用戶，添加哪些用戶為自己的好友成了一個困難的問題。社交網(wǎng)站中好友推薦系統(tǒng)就是針對這一難題而出現(xiàn)的。本文詳細分析了社交網(wǎng)絡(luò)上好友推薦機制，研究了熱點好友推薦和個性化好友推薦兩類問題。在熱點好友推薦部分，本文提出了社交網(wǎng)絡(luò)中用戶的行為模式，從用戶檔案的創(chuàng)建、內(nèi)容創(chuàng)
4、建和關(guān)系建立三方面來描述用戶的行為模式。其次，提出了社交網(wǎng)絡(luò)中網(wǎng)頁訪問模型。在此基礎(chǔ)上，設(shè)計了一個評價指標(biāo)來衡量用戶的熱點度，熱點度高的用戶被推薦為熱點好友的概率大。最后，通過實驗，分析了Flickr網(wǎng)站上用戶的信息傳播貢獻值，即熱點度的分布。實驗發(fā)現(xiàn)，熱點度的分布成冪分布型。這一結(jié)果表明，大多數(shù)用戶擁有比較小的熱點度，只有少部分用戶擁有比較大的熱點度。在個性化好友推薦部分，本文將三種算法用于個性化好友推薦問題，三個算法分別是NaiVe算法、PersomlizedPageR￡mk算法、基于圖的多類關(guān)聯(lián)對象降維算法。通過實驗分析三個算法在好友推薦中的
5、效果，實驗結(jié)果表明多類關(guān)聯(lián)對象的降維算法要優(yōu)于前兩種方法。這主要是由于多類關(guān)聯(lián)對象的降維算法利用了更多的用戶信息。關(guān)鍵詞：社交網(wǎng)絡(luò)，信息傳播貢獻值，熱點好友推薦，個性化好友推薦浙江大學(xué)碩士學(xué)位論文AbstractWithmerapiddeVelopmemofweb2．0tecllllolo鼢theglobalIntemetgoesintotheSNSera．AvarietyofSNSsitesareemerging，suchaSFacebook，twitter，Myspace，F(xiàn)lickrandsoon．Inthesesites，userscana
6、ddotherusersasfHends．Forauser，howtofind銜endsforllimbecomesadimcultprobIem．Friendsrecommendationsystemistheemergenceofthisproblemonsocialrle帆or虹ngsites．Int王lisdissertation，weaIlalyze銜endsrecommendationmechallism，aIldpropose帆osetsofissues：hot銜endsrecommendation鋤dpersonalizedfhen
7、dsrecommendation．Inhot銜erldsrecommendationsection，weproposetheconceptofuser’sbehaViorpattemsinsocialnet、Ⅳorkjngsites．Firstly’、)lredescribetheuserbehaViorpa_ttemsf．romt11ree2uspects：theuserprofilecreatioIl，contentcreationarldrelationshipbuilding．Secondly，、Veproposeamodelofsocia
8、lne鉚orksitingsurfering．And，wedesi印鋤eval刪ionindicatorst0measur
