基于多特征分类的微博好友推荐

• 作者: 姬东鸿 王路路 程倩倩 郑涛
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多特征 好友推荐 主题相关度 兴趣相关度 亲密度 K最近邻
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: ?先进计算与数据处理?
• 页码范围: 65-69,80
• 页数: 6页
• 分类号: TP391
• 字数: 4642字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.04.012

摘要

现有微博好友推荐算法使用的用户信息比较单一,不能充分利用微博用户信息来刻画用户特征,导致推荐效果不理想。为解决该问题,在综合分析用户标签信息、内容信息、交互信息以及社交拓扑信息的基础上,通过计算主题相关度、兴趣相关度、用户亲密度进行特征挖掘,并采用K最近邻分类算法为目标用户进行微博好友推荐。在新浪微博真实用户数据集上的实验结果表明,该算法的准确率、召回率、F1度量值分别为16.5%,26.8%,19.2%,推荐效果优于基于内容的推荐算法和基于社会过滤的推荐算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬东鸿	武汉大学计算机学院	92	887	16.0	26.0
2	程倩倩	武汉大学计算机学院	2	14	2.0	2.0
3	王路路	武汉大学计算机学院	4	88	3.0	4.0
4	郑涛	武汉大学计算机学院	24	76	6.0	8.0