基于GraphX的社交网络用户推荐算法研究

• 作者: 周志刚 杨慧莉 杨文杰 雷欢
• 来源期刊: 自动化与信息工程
• 关键词: 社交网络 分布式集群 Spark平台 GraphX组件 PageRank算法
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 信息技术
• 页码范围: 27-31
• 页数: 5页
• 字数: 2423字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-2605.2018.01.006

摘要

针对PageRank等传统算法在分析大规模分布式集群数据过程中存在耗时长、推荐不精准等问题,提出一种基于GraphX的社交网络用户推荐算法,以期提升用户体验.综合搜索引擎中的相互超链接计算技术,采用PageRank算法和GraphX组件中的TriangleCounting算法等建立评估模型,并利用该模型用户间的活跃度和网络关联度等关键参数来获取用户好友推荐表.通过Sougou数据对模型进行验证,并与单一的PageRank算法模型进行对比分析,结果表明:算法评估模型运行速度和推荐率有显著提升,推荐用户好友更接近真实情况.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷欢		3	8	2.0	2.0
5	杨文杰		1	1	1.0	1.0
6	周志刚		1	1	1.0	1.0
7	杨慧莉		1	1	1.0	1.0