基于混合图的推荐算法VIP专享VIP免费

基于混合图的在线社交网络朋友推荐算法摘要随着Internet快速发展，在线社交网络服务为广大用户提供了一种全新的交流和信息分享的平台，深受网友的欢迎。在线社交网络服务中，朋友推荐是一个关键的任务。它不仅帮助用户找到具有共同兴趣爱好的朋友以提升用户的体验，也促进网络的成长。本文提出一个基于混合图的随机游走算法用于提高在线社交网络的朋友推荐质量（具体思想，效果介绍）。真实的在线社交网络服务数据的实验显示了我们提出的算法的有效性。关键词在线社交网络服务链路预测社会网络分析FriendRecommendationAlgorithmBasedonMixedGraphinOnlineSocialNetworksAbstractWiththerapiddevelopmentoftheInternettechnology,onlinesocialnetworkingservicesgetmoreandmorepopularastheyprovidecustomersanovelcommunicationandinformation-sharingplatform.Inonlinesocialnetworks,friendrecomendationisacriticaltaskthatnotonlyhelpsuserfindpotentialfriendswithcommoninterestingtoimproveuser’sexperiencbutalsoplaysanessentialroleinnetworkgrowth.Inthispaper,weproposearandomwalkalgorithmbasedonanmixedgraphtoimprovethequalityofrecommendingfriendinonlinesocialnetworks.Experimentonthereallifedatademonstratesthatourmethodoutperformsstate-of-the-artmethods..Keywordsonlinesocialnetworkingservices,linkprediction,socialnetworkanalysis1引言最近几年，在线社交网络(OnlineSocialNetworkingServies,OSNS)逐渐流行。最大的OSNS，如Facebook、Myspace等，已经吸引了成百万的用户。它为用户提供了一个交流和分享信息的新的平台。用户可以在上面进行各种交互：建立朋友关系、分享日志、撰写评论、搜索特定的用户或者共享的资源。传统的Web服务围绕信息文档，而在线社交网络不同于传统的在线社交社区，它更加集中于用户和用户之间的社会关系以及基于共同兴趣的社区。毫无疑问，OSNS已经成为当今构建朋友关系和分享兴趣的主要平台之一。而在OSNS中，朋友推荐是一个关键的任务，它在提高用户体验和促进网络增长中起了关键的作用[1]。首先，OSNS已经成为一个巨大的信息源,并以非常迅速的速度在扩展。在这样不断变化并且增长的信息源中寻找和用户具有相同兴趣的用户，也就找到了用户想要的信息来源，从而提高用户的忠诚度。其次，朋友推荐满足用户寻求和自己有共同点的人的心理需求。研究显示，用户不仅使用OSNS联系他们他们已经知道的朋友，在特定的背景下也有兴趣发现他们所不知道的有价值的联系[2]，表达思想、提出观点以及分享经历和观点，从而提高用户的体验，吸引新的客户，进而增加网站的流量。第三，寻找相同兴趣的用户是商业项目推荐的关键。利用兴趣相同的朋友，推荐用户潜在有趣的服务项目（如新闻、游戏、广告、产品等），能够提高用户参与的满意度，增加社交网站的收入。第四，对于学术型OSNS，推荐系统能够促进科学研究，鼓励领域传播合作，更有效地利用资源[3]。最后，在企业环境中，推荐也是知识交换的关键。在大型组织中，由于公司的数据更加容易集成、组织和分析，因此推荐系统正逐渐被知识加强的组织的OSNS所采用，帮组用户在组织中彼此联系，进行知识交换，这在被组织结构分割的员工彼此联系变得困难的大型公司和政府机构特别有效[4]。本文提出了一个基于混合图的随机游走算法，为在线用户推荐具有相似兴趣的有趣的新朋友。在真实的OSNS数据集上的实验验证了我们算法的有效性。2相关工作对于OSNS的设计者来说，面对大量在线用户、稀疏的用户关系以及他们的多样性，如何帮助在线用户发现新的具有相似兴趣的朋友是一个大的挑战。而目前相关的研究还较少[5]。Twitter的“FindFriends”标签提供了发现已经存在的朋友的机制。一个用户能够比较他的Email列表和已经存在的Twitter用户，以此邀请一位朋友使用Twitter。这些机制假设已经知道他们想要联系的人[6]。但是，我们主要关心推荐人们彼此之间可能不知道而具有类似兴趣的人的推荐。Twitter的“suggestions”标签显示了一个预先定义的流行的Twitter用户列表，不管每个用户的存在关系[6]。如...