基于關聯(lián)規(guī)則與標簽的好友推薦算法

基于關聯(lián)規(guī)則與標簽的好友推薦算法

ID:39949779

大小:844.68 KB

頁數(shù):6頁

時間:2019-07-15

基于關聯(lián)規(guī)則與標簽的好友推薦算法_第1頁
基于關聯(lián)規(guī)則與標簽的好友推薦算法_第2頁
基于關聯(lián)規(guī)則與標簽的好友推薦算法_第3頁
基于關聯(lián)規(guī)則與標簽的好友推薦算法_第4頁
基于關聯(lián)規(guī)則與標簽的好友推薦算法_第5頁
資源描述:

《基于關聯(lián)規(guī)則與標簽的好友推薦算法》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在學術論文-天天文庫

1、萬方數(shù)據(jù)CN43~1258/TPISSNi007—130X計算機工程與科學ComputerEngineering&Science第35卷第2期2013年2月Vol-35.No.2.Feb.2013文章編號:1007—130X(2013)02—0109—05基于關聯(lián)規(guī)則與標簽的好友推薦算法+胡文江,胡大偉,高永兵,郝斌(內(nèi)蒙古科技大學信息工程學院,內(nèi)蒙古包頭014010)摘要:針對用戶在社交網(wǎng)絡中添加哪些用戶為自己好友的問題,采用好友之間的關系推薦和喜好標簽的相似度推薦相結合的方法,提出了改進的推薦算法。首先,通過用戶之間的好友關系推薦出目標用戶共同

2、好友最多的Top—N用戶,其次,通過目標用戶和推薦出的Top—N用戶間標簽的相似性推薦分數(shù)最高的用戶,再給定他們相應的權重,進行打分,選取分數(shù)最高的Top—N用戶進行推薦。實驗結果表明,運用相結合的算法是有效的,在準確率和召回率上優(yōu)于同類的好友推薦算法。關鍵詞:關聯(lián)規(guī)則;好友推薦;標簽;相似性中圖分類號:TP301.6文獻標志碼:Adoi:10.3969/j.issn.1007—130X.2013.02.019Friendrecommendationalgorithmrienorecommenaatlonbasedonassociationrule

3、sandtaHUWen—jiang,HUDa—wei,GAOYong—bing,HAOBin(SchoolofInformationEngineering,InnerMongoliaUniversityofScienceandTechnology,Baotou014010,China)Abstract:Thepaperproposesanimprovedfriendrecommendationalgorithminsocialnetworks.Itcombinestherelationshiprecommendationamongfriendsan

4、dthesimilarityrecommendationoftags.Firstly,throughthefriendrelationship。theTop—Ncommonfriendsamongthetargetusersarerecom—mended.Secondly,thetagsimilarityamongthetargetusersandtherecommendedTop—NfriendsisusedtOrecommendthefriendswiththehighestsimilarityscore,andtheyaregivencorr

5、espondingweightsandscored.Finally,theTop-Nuseswiththehighestscoresarerecommended.Theresultsshowthattheproposedimprovedalgorithmisefficientanditsprecisionandrecallratesarebetterthanthecommonfriendrecommendationalgorithms.Keywords:associationrules;friendlyrecommendation;tag;simi

6、larity引言在當前的網(wǎng)絡社會,大多數(shù)用戶的朋友來自那些在現(xiàn)實生活中的社會關系,如學校、隊友、同事等Ⅲ。但事實上,用戶往往想通過社交網(wǎng)絡認識一些新朋友。對于一個用戶,特別是新加入的用戶,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)站中好友推薦算法就是針對這一難題而提出的。目前,針對社會網(wǎng)絡的好友推薦算法,研究人員已經(jīng)提出一些解決方案。Spertuse等口]根據(jù)現(xiàn)在社區(qū)的用戶來推薦在線社區(qū)給用戶,并在一個社交網(wǎng)絡Orkut的大型研究中比較了幾種不同的相似性度量。Geye[33利用社交網(wǎng)站的信息建立了一個系統(tǒng)來推薦自我描述的主題,指出基于社交網(wǎng)

7、絡的推薦優(yōu)于簡單的內(nèi)容匹配推薦。實驗結果通過與三種常用的好友推薦算法對比得出。第一種是簡單的頻率算法,它將好友最多的用戶推薦出來;第二種是關聯(lián)規(guī)則算法,通過關*收稿日期:20120308;修回日期:2012—06—16基金項目:教育部春暉計劃資助項目(00110310)通訊地址:030003山西省太原市尖草坪街太鋼科技公寓B-118胡大偉Address:TISCOTechnologyApartmentB-118,JianeaopingSt,Taiyuan030003,Shanxi,P.R.China萬方數(shù)據(jù)110ComputerEngineerin

8、g&Science計算機工程與科學2013,35(2)聯(lián)用戶間的好友關系推薦與目標用戶共同好友最多的用戶;第三種是協(xié)同過濾

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。