融合链接拓扑结构和用户兴趣的朋友推荐方法

• 作者: 尚燕敏 张鹏 曹亚男
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 社交网络 朋友关系 主题模型 PageRank算法
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 117-125
• 页数: 9页
• 分类号: TP391
• 字数: 7207字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2015040

摘要

提出一种新的朋友推荐方法,该方法同时使用用户兴趣和朋友关系这2种因素来为目标用户推荐朋友,对PageRank算法进行改进,提出一种能同时融合上述2种因素的Topic_Friend_PageRank(TFPR)模型.首先,采用LDA(latent Dirichlet allocation)分析用户发布的消息内容,将用户表示为若干主题上的分布,从而建模用户的兴趣.接下来,使用加权的PageRank算法建模用户在整个链接拓扑中的重要程度和用户之间朋友关系的相似性.最后根据主题感知的PageRank思想,将用户兴趣融入前面提到的加权PageRank中,形成同时融合用户兴趣和朋友关系的TFPR模型.采用新浪微博数据验证所提模型的性能,实验证明该模型能同时得到较高的准确率和召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鹏	中国科学院信息工程研究所	220	1605	21.0	32.0
2	曹亚男	中国科学院信息工程研究所	7	37	4.0	6.0
3	尚燕敏	中国科学院计算技术研究所	6	36	4.0	6.0