社交網(wǎng)絡(luò)中潛在好友推薦算法研究

《社交網(wǎng)絡(luò)中潛在好友推薦算法研究》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。

1、獨(dú)創(chuàng)性聲明本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。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或集體已經(jīng)發(fā)表或撰寫過的研究成果，對(duì)本文的研究做出貢獻(xiàn)的集體和個(gè)人均己在論文中作了明確的說明并表示了謝意。研究生簽名：縫日期：蘭!堡塹至旦三!日論文使用和授權(quán)說明本人完全了解云南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交學(xué)位論文和論文電子版；允許論文被查閱或借閱；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其他復(fù)制手段保存

2、論文。(保密的論文在解密后應(yīng)遵循此規(guī)定)研究生魏醴導(dǎo)師魏!型日期：蘭塑塹蔓腳日本人及導(dǎo)師同意將學(xué)位論文提交至清華大學(xué)“中國學(xué)術(shù)期刊(光盤版)電子雜志社”進(jìn)行電子和網(wǎng)絡(luò)出版，并編入CNKI系列數(shù)據(jù)庫，傳播本學(xué)位論文的全部或部分內(nèi)容，同意按《中國優(yōu)秀博碩學(xué)位論文全文數(shù)據(jù)庫出版章程》規(guī)定享受相關(guān)權(quán)益。研究生躲避聊齠圖煎舉日期：趟5肋日摘要近年來，社交網(wǎng)絡(luò)(SocialNetworkServices，SNS)作為一種新穎的，實(shí)用的，便捷的交友模式，依賴其真實(shí)性，穩(wěn)定性等特點(diǎn)越來越受到用戶的青睞。但是，社交網(wǎng)

3、絡(luò)的發(fā)展面臨著一種類似“馬太效應(yīng)”的現(xiàn)象，比較成功的社交網(wǎng)站的用戶規(guī)模正在不斷的膨脹，并且用戶使用社交網(wǎng)站的一個(gè)重要目的是結(jié)識(shí)好友，維護(hù)好友關(guān)系，以此來拓展自己的社交圈，因此如何在一個(gè)具有龐大的用戶基數(shù)的社交網(wǎng)站上進(jìn)行好友推薦便是一個(gè)不得不解決的問題。雖然學(xué)者們對(duì)社交網(wǎng)絡(luò)上的好友推薦進(jìn)行了比較深入的研究，但結(jié)果并非盡善盡美。通過在真實(shí)社交網(wǎng)站上進(jìn)行觀察與分析后，我們發(fā)現(xiàn)部分用戶會(huì)逐步形成一種小團(tuán)體結(jié)構(gòu)即社會(huì)網(wǎng)絡(luò)中的一種社區(qū)現(xiàn)象或者可以理解為用戶的真實(shí)社交圈。一般而言，在社交網(wǎng)絡(luò)中用戶可能會(huì)與很少一部

4、分用戶成為好友，而且最可能與之成為好友的其他用戶一般都來自該用戶所在的社交圈，與其他大多數(shù)社交圈中的用戶結(jié)為好友的可能性則相對(duì)較小。另外，在推薦算法的實(shí)現(xiàn)上，大多數(shù)好友推薦算法需要通過一定的方法如用戶鏈結(jié)信息、用戶話題偏好等構(gòu)建推薦模型，然后通過計(jì)算相似度來產(chǎn)生推薦，在社交網(wǎng)絡(luò)動(dòng)輒百萬甚至千萬級(jí)別的大數(shù)據(jù)集上進(jìn)行相似度計(jì)算，無論是在時(shí)間或者空間開銷上都是巨大且不容忽視的。鑒于此，本文算法采用了一種社區(qū)發(fā)現(xiàn)算法來進(jìn)行好友社區(qū)的劃分，在好友社區(qū)中進(jìn)行推薦既縮小了推薦的范圍又減小了進(jìn)行用戶相似度計(jì)算的數(shù)據(jù)

5、規(guī)模。由于目前大多數(shù)的好友推薦算法僅僅根據(jù)用戶之間的鏈結(jié)信息來計(jì)算用戶相似度，較少考慮用戶之間關(guān)系的內(nèi)容以及關(guān)系的強(qiáng)度，這在進(jìn)行好友推薦時(shí)便失去了很多重要的信息。鑒于此，本文根據(jù)劃分出的社區(qū)建立好友網(wǎng)絡(luò)圖，并在圖中的邊之間加入了真實(shí)的關(guān)系語境，進(jìn)行了用戶間關(guān)系強(qiáng)度的一種定量計(jì)算。將其與根據(jù)用戶間鏈結(jié)信息計(jì)算的用戶相似度進(jìn)行融合提出了用戶綜合相似度的概念，用來作為本文進(jìn)行好友推薦的依據(jù)。最后本文采用Java語言進(jìn)行了算法的具體實(shí)現(xiàn)，并將其應(yīng)用于我們所提取出的人人網(wǎng)好友數(shù)據(jù)集上，驗(yàn)證了本文所提算法的有效

6、性和準(zhǔn)確性。關(guān)鍵詞：社交網(wǎng)絡(luò)：社區(qū)發(fā)現(xiàn)；關(guān)系強(qiáng)度；用戶相似度；好友推薦¨竺壁竺!一一——_-——^H_____---__________--___________________●____________________●___-______●_____-_-__—_-______—————————一P,bstraotInrecentyears，socialnetwork(SocialNetworkService，SNS)isanovel，practicalandconvenientwaytomak

7、efriends，itdependsonthecharacterofauthenticityandstability,obtainsusers’favoritegradually．However,thedevdopmentofthesocialnetworksfacedwithaphenomenonsimilartothe”MatthewEfiect”，theuserscaleofthemoresuccessfulsocialnetworkingsitesareconstantlyexpanding

8、,andoneofthemostimportantpurposeUSerSusingsocialnetworkingsitesistogettoknowfriends，maintaintherelationshipwithfriends，inordertoexpandtheirsocialcircle，SOwhenthesocialnetworkingsitehavingahugeuserbase，howtorecommendfriendstoUSerSisaprob