应用非负矩阵分解的社交网络好友推荐

摘要：

现有好友推荐方法只利用用户关系或内容信息进行推荐,难以获得较好的推荐质量.针对该问题,在利用非负矩阵分解模型适合数据聚类以及数据约简的基础上,提出一种基于非负矩阵分解的好友推荐方法:FRNMF.该方法采用基于非负矩阵分解的用户聚类为核心的好友推荐框架,利用用户好友关系网络信息和内容信息分别进行用户聚类,然后基于聚类结果计算用户间的综合相似度并进行好友推荐;不仅可以综合集成利用用户关系和内容两类信息,而且具有线性时间复杂度,还可以解决数据稀疏引起的推荐质量下降问题.实验开发了FRNMF的原型系统,并在真实的新浪微博和学者网社交网络数据集进行对比实验,结果表明FRNMF比传统的好友推荐方法具有更好的推荐质量.此外,对用户关系和内容两类信息的权重参数设置进行实验分析,分析表明适当提高用户关系信息的权重对于提高好友推荐质量具有促进作用.

关键词：非负矩阵分解、社交网络、好友推荐

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：广东省科技计划项目2016A030303058,2015A020209178;广州市云计算安全与测评技术重点实验室开放基金GZCSKL-1407;国家级大学生创新创业训练计划项目201511347005

在线出版日期：2016-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：100-105