概率图模型在社交网络用户相似性发现中的应用

摘要：

社交网络中的用户相似性发现作为社交媒体数据分析中的基础研究,可以应用于基于用户的商品推荐以及社交网络中推导用户关系演化过程等.为了有效地描述社交网络用户间复杂的相关性及不确定性,并从理论上提高海量社交网络用户相似性发现的准确度,研究了基于贝叶斯网这一重要的概率图模型,结合网络拓扑结构和用户之间的依赖程度,发现社交网络用户相似性的方法.为了提高算法的可扩展性,解决海量数据带来的存储和计算问题,提出了基于Hadoop平台的贝叶斯网分布式存储以及并行推理方法.最后通过实验结果验证了算法的高效性和正确性.

关键词：社交网络、贝叶斯网、用户相似性、并行推理、Hadoop

所属期刊栏目：11

分类号：TP311(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61462093, 61662087;the Applied Basic Research Program of Yunnan Province under Grant No. 2014FB113;the Key Program of Depart-ment of Education of Yunnan Province under Grant No. 2012Z012

在线出版日期：2017-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1056-1067