基于分类算法的潜在好友推荐系统

• 作者: 丁蕊 常超 曾伟铨 汤庸
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 潜在好友推荐 特征选择 分类器 社交网络 Relief算法 学者网
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 计算机科学与软件工程
• 页码范围: 124-128
• 页数: 5页
• 分类号: TP391
• 字数: 3989字
• 语种: 中文
• DOI: 10.6054/j.jscnun.2017169

摘要

提出了一种基于分类算法的潜在好友推荐系统.该系统采用两步特征方法处理原始数据集,去除不相关特征项和冗余特征项,为分类器提供精简的特征集合;把学者潜在好友推荐问题转化为二分类问题,对比4个常用分类器在两步特征选择方法上的分类效果,找出了推荐效果最佳的分类器(决策树分类器),同时得到学术社交网络中区分度最大的6个用户特征信息.使用来自学术社交网络学者网(SCHOLAT)的社交网络信息作为实验原始数据集进行测试,实验结果显示:相比传统方法,基于分类的推荐方法在准确率和F1值均有显著提升,体现了基于分类算法的潜在好友推荐系统的准确性和实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汤庸	华南师范大学计算机学院	92	593	13.0	19.0
2	常超	华南师范大学计算机学院	3	2	1.0	1.0
3	丁蕊	华南师范大学计算机学院	3	16	2.0	3.0
4	曾伟铨	华南师范大学计算机学院	2	4	2.0	2.0