融合贝叶斯推理与随机游走的好友推荐

• 作者: 卞梦阳 张会兵 张敬伟 张海涛 杨青 林煜明 王海洋
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 好友推荐 随机游走 贝叶斯推理
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 80-89
• 页数: 10页
• 分类号: TP391
• 字数: 6336字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.2018.04.008

摘要

随机游走是一种应对推荐应用中用户规模庞大、数据稀疏等问题的有效方法.鉴于社交网络用户间亲密度差异、反向社交影响力等因素对基于随机游走的推荐具有积极影响,提出了一种引入频繁项挖掘来计算用户社交亲密度,进而优化转移概率矩阵,并与局部反向游走相结合的随机游走改进模型.此外,为了有效利用用户属性信息,提出了一种用户潜在好友关系推断的贝叶斯推理模型,并与随机游走改进模型协同应用,进一步提升了好友推荐性能.真实数据集上的对比实验验证了提出算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨青	桂林电子科技大学广西自动检测技术与仪器重点实验室	46	183	7.0	10.0
2	林煜明	桂林电子科技大学广西可信软件重点实验室	27	54	4.0	6.0
3	张敬伟	桂林电子科技大学广西可信软件重点实验室	26	74	6.0	7.0
4	张会兵	桂林电子科技大学广西可信软件重点实验室	30	72	4.0	6.0
5	卞梦阳	桂林电子科技大学广西自动检测技术与仪器重点实验室	2	4	1.0	2.0
6	王海洋	桂林电子科技大学广西自动检测技术与仪器重点实验室	3	14	2.0	3.0