版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、社交網(wǎng)絡(luò)(Social Network Site, SNS)作為Web2.0時(shí)代的典型應(yīng)用,在世界各地迅速流行起來,現(xiàn)已成為人們?nèi)粘I钪胁豢苫蛉钡囊徊糠帧T谏缃痪W(wǎng)絡(luò)中,用戶通過添加、關(guān)注好友等方式建立和拓展屬于自己的社交圈,從而進(jìn)行互動交流以及信息分享。然而隨著社交網(wǎng)絡(luò)規(guī)模的擴(kuò)大以及用戶數(shù)量的急劇增長,尋找好友、拓展自己的社交圈對普通用戶來說變得越來越困難。為了解決社交網(wǎng)絡(luò)信息過載問題,社交網(wǎng)絡(luò)好友推薦系統(tǒng)應(yīng)運(yùn)而生。研究表明,社交網(wǎng)絡(luò)
2、中的用戶不僅與現(xiàn)實(shí)生活中認(rèn)識的朋友建立聯(lián)系,還希望通過社交網(wǎng)絡(luò)這個(gè)平臺添加、關(guān)注一些有著相同興趣愛好的新朋友。然而目前對于這類興趣相似的“潛在好友”的推薦研究較少,且沒有SNS網(wǎng)站提供潛在好友推薦的功能,這極大程度上抑制了社交網(wǎng)絡(luò)的發(fā)展。為進(jìn)一步滿足用戶基于興趣的交友需求,本文以微博為例,將研究重點(diǎn)放在“潛在好友”的推薦上。
目前社交網(wǎng)絡(luò)好友推薦的方法中,基于關(guān)系的好友推薦所推薦的好友數(shù)量和范圍非常有限,而基于內(nèi)容的好友推薦所
3、推薦好友的接受率和認(rèn)可率較低。因此本文提出一種混合推薦模型,以期提高推薦效果。本文將主題模型引入到基于內(nèi)容的推薦中,以解決傳統(tǒng)向量空間模型(VSM)存在的不足。在主題推薦模塊中,采用一種適用于社交網(wǎng)絡(luò)的UserLDA模型,將同一位用戶的所有微博文本聚集成一個(gè)用戶文檔,并采用Collapsed吉布斯抽樣方法估計(jì)參數(shù),將用戶文檔的在特征詞上的向量轉(zhuǎn)換成該用戶在主題上的概率分布,以此體現(xiàn)其在隱藏“主題”上的興趣偏好,從而根據(jù)用戶的主題概率分布
4、進(jìn)行興趣相似度的計(jì)算。在關(guān)系推薦模塊中,將根據(jù)用戶的鏈接關(guān)系網(wǎng)絡(luò)計(jì)算關(guān)系相似度的過程看作是鏈接預(yù)測問題,對RA指數(shù)和Jaccard系數(shù)進(jìn)行改進(jìn),使其適用于有向網(wǎng)絡(luò)中,從計(jì)算用戶之間的關(guān)系相似度。最后對兩個(gè)推薦模塊產(chǎn)生的相似度進(jìn)行線性加權(quán),根據(jù)得到的綜合相似度向目標(biāo)用戶進(jìn)行TOP-N潛在好友推薦。
為了驗(yàn)證本文提出模型的有效性,將其應(yīng)用于真實(shí)的新浪微博數(shù)據(jù)中,并與基于內(nèi)容的傳統(tǒng)向量空間模型以及基于關(guān)系的兩階段好友推薦模型進(jìn)行實(shí)驗(yàn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于位置社交網(wǎng)絡(luò)潛在好友推薦算法研究.pdf
- 基于位置的社交網(wǎng)絡(luò)潛在好友推薦系統(tǒng)研究.pdf
- 基于信任關(guān)系和興趣模型的社交網(wǎng)絡(luò)好友推薦方法研究.pdf
- 基于社交關(guān)系和時(shí)序主題的微博好友推薦算法研究.pdf
- 社交網(wǎng)絡(luò)中好友推薦機(jī)制的研究.pdf
- 社交網(wǎng)絡(luò)中好友推薦技術(shù)的研究.pdf
- 基于社交網(wǎng)絡(luò)本體的好友推薦策略研究與實(shí)現(xiàn).pdf
- 基于圖模型的社交網(wǎng)絡(luò)好友推薦與優(yōu)化.pdf
- 基于社交網(wǎng)絡(luò)和地理位置信息的好友推薦方法研究.pdf
- 基于用戶興趣模型的社交網(wǎng)絡(luò)好友推薦技術(shù)研究.pdf
- 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
- 社交網(wǎng)絡(luò)環(huán)境下移動好友推薦系統(tǒng)研究.pdf
- 基于社交網(wǎng)絡(luò)好友信任度的個(gè)性化推薦系統(tǒng)研究.pdf
- 基于社交網(wǎng)絡(luò)好友關(guān)系的圖查詢算法研究與應(yīng)用.pdf
- 基于社交網(wǎng)絡(luò)主題影響分析的推薦算法研究和實(shí)現(xiàn).pdf
- 基于地理位置的社交網(wǎng)絡(luò)潛在用戶和位置推薦模型研究.pdf
- 云計(jì)算環(huán)境下的社交網(wǎng)絡(luò)好友推薦系統(tǒng)研究.pdf
- 社交網(wǎng)絡(luò)中基于位置信息的好友預(yù)測研究.pdf
- 社交網(wǎng)絡(luò)中的主題用戶推薦算法研究.pdf
- 基于主題模型的用戶興趣發(fā)現(xiàn)和好友推薦研究.pdf
評論
0/150
提交評論