資源描述：
《社交網(wǎng)絡(luò)中基于圖排序的好友推薦機(jī)制研究與實(shí)現(xiàn).pdf》由會(huì)員上傳分享，免費(fèi)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(dú)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(jìn)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(jī)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(duì)本研究所做的任何貢獻(xiàn)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(guó)家有關(guān)部門或機(jī)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(jìn)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(jìn)入了SNS時(shí)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(duì)于一個(gè)用戶，添加哪些用戶為自己的好友成了一個(gè)困難的問題。社交網(wǎng)站中好友推薦系統(tǒng)就是針對(duì)這一難題而出現(xiàn)的。本文詳細(xì)分析了社交網(wǎng)絡(luò)上好友推薦機(jī)制，研究了熱點(diǎn)好友推薦和個(gè)性化好友推薦兩類問題。在熱點(diǎn)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(jì)了一個(gè)評(píng)價(jià)指標(biāo)來衡量用戶的熱點(diǎn)度，熱點(diǎn)度高的用戶被推薦為熱點(diǎn)好友的概率大。最后，通過實(shí)驗(yàn)，分析了Flickr網(wǎng)站上用戶的信息傳播貢獻(xiàn)值，即熱點(diǎn)度的分布。實(shí)驗(yàn)發(fā)現(xiàn)，熱點(diǎn)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(diǎn)度，只有少部分用戶擁有比較大的熱點(diǎn)度。在個(gè)性化好友推薦部分，本文將三種算法用于個(gè)性化好友推薦問題，三個(gè)算法分別是NaiVe算法、PersomlizedPageR￡mk算法、基于圖的多類關(guān)聯(lián)對(duì)象降維算法。通過實(shí)驗(yàn)分析三個(gè)算法在好友推薦中的
5、效果，實(shí)驗(yàn)結(jié)果表明多類關(guān)聯(lián)對(duì)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(duì)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(xiàn)值，熱點(diǎn)好友推薦，個(gè)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
