基于位置的社交網(wǎng)絡(luò)潛在好友推薦系統(tǒng)研究

《基于位置的社交網(wǎng)絡(luò)潛在好友推薦系統(tǒng)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、巧女學(xué)化論文古－默基于位置的社交網(wǎng)絡(luò)潛在好友推薦系統(tǒng)研究、，歷！■李林爲(wèi)、巧乂聲二〇—六年六月分類號(hào)ＴＰ３１１．１密級(jí)公開(kāi)ＵＤＣ碩擊學(xué)位論文基于位畳的化交網(wǎng)絡(luò)潛在好友推薦系統(tǒng)研究李林學(xué)科專業(yè)計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師楊磊研究員楊穎教授論文答辯日期２０１６年５月１９日學(xué)位授予日期２０１６年６月３０日答辯委員會(huì)主席陳友初教授級(jí)高級(jí)工程師廣西大學(xué)學(xué)位論文原創(chuàng)性和使用授權(quán)聲明本人聲明所呈交的論文，是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果

2、。除己特別加標(biāo)注和致謝的地方外，論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)的研究成果，也不包含本人或他人為獲得廣西大一學(xué)或其它單位的學(xué)位而使用過(guò)的材料。與我同工作的同事對(duì)本論文的研究工作所做的貢獻(xiàn)均己在論文中作了明確說(shuō)明。本人在導(dǎo)師指導(dǎo)下所完成的學(xué)位論文及相關(guān)的職務(wù)作品，知識(shí)產(chǎn)權(quán)歸。目Ｐ：屬?gòu)V西大學(xué)本人授權(quán)廣西大學(xué)擁有學(xué)位論文的部分使用權(quán)，學(xué)校有權(quán)保存并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交學(xué)位論文的復(fù)印件和電子版，允許論文被查閱和借閱，可Ｗ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(kù)進(jìn)巧、、檢索和傳播，可Ｗ采用影印縮印

3、或其它復(fù)制手段保存匯編學(xué)位論文。本學(xué)位論文屬于：□保密，在年解密后適用授權(quán)。因不保密。＂＂請(qǐng)?jiān)谏舷鄳?yīng)方框內(nèi)打Ｖ（）論文作者簽名備曰期：Ｖ峰刪作句指導(dǎo)教師簽名：日期＾嫁作者聯(lián)系電話；１電子郵箱：基于位置的社交網(wǎng)絡(luò)潛在好友推薦系統(tǒng)研究摘要Ｌｏｃａｔ－ｉｏｎＢａｓｅｄＳｅｒｖｉｃｅＬＢＳ和社交網(wǎng)絡(luò)逐漸融合，形基于位置的服務(wù)（，）Ｌｏｃａ－。而隨著成了基于位置的社交網(wǎng)絡(luò)ｔｉｏｎＢａｓｅｄＳｏｃｉａｌＮｅｔｗｏｒｋｓＬＢＳＮｓ（，）用戶與簽到的數(shù)量不斷劇増，將具有信息過(guò)濾能力的推

4、薦系統(tǒng)引入到ＬＢＳＮｓ中，，能夠較好地幫助用戶縮短尋找真正關(guān)注內(nèi)容的時(shí)間提高獲?。崳娦枨蟮男省＃崳姳疚闹饕芯浚蹋拢樱?。ｓ推薦技術(shù)中的潛在好友推薦系統(tǒng)在對(duì)ＬＢＳＮｓ網(wǎng)絡(luò)層次結(jié)構(gòu)，常用相似性計(jì)算方法及幾種好友推薦算法進(jìn)行研巧，分析和對(duì)比他們的優(yōu)勢(shì)和不足的基礎(chǔ)上一種基于社交關(guān)系和簽到巧為，提出的潛在好友推薦算法，并將其運(yùn)用到原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)中，Ｗ便提高。好友推薦的效果具體工作如下：針對(duì)現(xiàn)有的ＬＢＳＮｓ好友推薦算法沒(méi)有很好地對(duì)社交關(guān)系進(jìn)行分析的問(wèn)一Ｆ民ＳＣ。在社題，提出種基于社交關(guān)系和簽到行為的潛在好友

5、推薦算法Ｐ交關(guān)系的考慮上，先根據(jù)目標(biāo)用戶與鄰居節(jié)點(diǎn)之間的共同好友數(shù)求出直接關(guān)系值，再利用關(guān)系的傳遞性計(jì)算出與目標(biāo)用戶在社交關(guān)系上的待推薦用。戶集合，更好地表示了關(guān)系的強(qiáng)弱一在計(jì)算用戶間簽到行為相似性上，提出種通過(guò)簽到頻率和簽到比例一來(lái)對(duì)簽到次數(shù)進(jìn)行歸化處理的新方法，綜合考慮了用戶個(gè)人偏好和大眾偏好，解決了傳統(tǒng)算法中只能考慮共同簽到的個(gè)數(shù)，而無(wú)法考慮次數(shù)等問(wèn)。題，較好地提離發(fā)現(xiàn)潛在好友的效率最后，Ｗ準(zhǔn)確率和召回率作為潛在Ｉ好友推薦效果的度量，通過(guò)實(shí)驗(yàn)證明了所提出的ＰＦＲＳＣ算法比傳統(tǒng)的好友推薦算法具有

6、更好的推薦效果。＞１？民８（：算法為基礎(chǔ)，通過(guò)對(duì)好友推薦系統(tǒng)進(jìn)行，１＾｜調(diào)研和需求分析設(shè)計(jì)并實(shí)現(xiàn)了包括總體結(jié)構(gòu)、功能模塊及數(shù)據(jù)庫(kù)等方面的基于位置的潛在好友推薦系統(tǒng)原型。它能為當(dāng)前用戶預(yù)測(cè)潛在好友，并按照社交關(guān)系和簽到行為的綜合相似性大小進(jìn)行重排序，最終推薦列表的形式提供給用戶，為用戶選擇提供依據(jù)，有利于幫助用戶建立和擴(kuò)展自己的社交圈子。關(guān)鍵詞：基于位置的社交網(wǎng)絡(luò)好友推薦相似性社交關(guān)系簽到行為ＩＩＳＴＵＤＹＯＮＰＯＴＥＮＴＩＡＬＦＲＩＥＮＤＳＲＥＣＯＭＭＥＮＤＥ民－ＯＣＩＡＬＳＹＳＴＥＭＯＦ

7、ＬＯＣＡＴＩＯＮＢＡＳＥＤＳＮＥＴＷＯＲＫＳＡＢＳＴＲＡＣＴ－ｒａｄｕａＷｈｄｅ化６ＬＢＳＬｏｃａｔｉｏｎＢａｓｅｄＳｅｒｖｉｃｅａｎｄｓｏｃｉａｌｎｅｔｗｏｒｋｓｌｌｍｉｘ（）ｇｙｔ－ｈａｔｏｅｔｈｅｒＬＢＳＮｓＬｏｃａｉｏｎＢａｓｅｄＳｏｃｉａｌＮｅｔｗｏｒｋｓｓｅｍｅｒｅｄ．Ａｎｄｗｉｔｈ也ｅｇ，（）ｇｎｕｍｂｅｒｏｆ－ｔｏｔｕｓｅｒｓａｎｄｃｈｅｃｋｉｎｓｉｎＬＢＳＮｓｃｏｎｔｉｎｕｅｉｎｃｒｅａｓｅｈｅｉｎｔｒｏｄｕｃｔｉｏｎ，ｏｆｒｅｃｏｍ

8、ｍｅｎｄｅｒｓｓｔｅｍｓｗｈｉｃｈｈａｓｔｈｅａｂｉｌｉｔｏｆｉ打ｆｏｒｍａｔｉｏｎ打ｋｅｒｉｎｉｎＬＢＳＮｓｙｙｇｗｉｌｌｂｅｔｔｅｒｈｅｌｕｓｅｒｓｓｈｏｒｔｅｎｔｈｅｔｉｍｅｔｏ