基于用户潜在特征的社交网络好友推荐方法

• 作者: 张红玉 肖迎元
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 好友推荐 社交网络 隐语义模型 随机游走
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 218-222,252
• 页数: 6页
• 分类号: TP391
• 字数: 5684字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.03.034

摘要

随着Facebook、Twitter、微博等社交网站的迅速普及,好友推荐系统逐渐成为各大社交网站的重要组成部分.好友推荐系统通过主动为用户推荐新的潜在好友来有效地扩大用户的社交圈规模并改善用户的社交体验,因而受到了广泛关注.然而,如何针对用户的个性化需求,为用户推荐真正意义上的好友,一直是个性化好友推荐的难点之一.对此,提出一种基于用户潜在特征的社交网络好友推荐方法(SNFRLF).首先,通过隐语义模型挖掘用户的潜在属性特征;然后,通过用户的潜在特征计算用户间的相似度;最后,将计算得到的相似度引入到随机游走模型中以获得好友推荐列表.实验结果表明,文中所提好友推荐方法较已有的好友推荐方法在性能上有显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖迎元		9	34	3.0	5.0
2	张红玉	天津理工大学计算机科学与工程学院	1	6	1.0	1.0