基于位置的社交網(wǎng)絡(luò)潛在好友推薦系統(tǒng)研究.pdf

1、基于位置的服務(wù)(Location-Based Service，LBS)和社交網(wǎng)絡(luò)逐漸融合，形成了基于位置的社交網(wǎng)絡(luò)(Location-Based Social Networks，LBSNs)。而隨著用戶與簽到的數(shù)量不斷劇增，將具有信息過(guò)濾能力的推薦系統(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，提高獲取需求的效率。
　　本文主要研究LBSNs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

2、計(jì)算方法以及幾種好友推薦算法進(jìn)行研究，分析和對(duì)比他們的優(yōu)勢(shì)和不足的基礎(chǔ)上，提出一種基于社交關(guān)系和簽到行為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，以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)題，提出一種基于社交關(guān)系和簽到行為的潛在好友推薦算法PFRSC。在社交關(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

3、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。
　　在計(jì)算用戶間簽到行為相似性上，提出一種通過(guò)簽到頻率和簽到比例來(lái)對(duì)簽到次數(shù)進(jìn)行歸一化處理的新方法，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，較好地提高發(fā)現(xiàn)潛在好友的效率。最后，以準(zhǔn)確率和召回率作為潛在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更好的推薦效果。
　　以PF