融合"用户-项目-用户兴趣标签图"的协同好友推荐算法

摘要：

随着社交网络的用户数量呈爆炸式增长,如何为用户推荐具有相同兴趣爱好的好友已成为当前研究的焦点.为此,提出了一种基于"用户-项目-用户兴趣标签图"的协同好友推荐算法.该算法首先利用基于"用户-项目-标签"的三部图物质扩散推荐算法来计算用户之间的相似度,并引入"用户-用户兴趣标签图"二元关系,通过用户的兴趣标签图来发掘用户的兴趣主题;然后根据用户主题分布,利用KL距离来计算用户之间的相似度;最后将两组结果采用调和平均数方式融合得到用户间的综合相似度,并进行好友的推荐.通过在De-licious和Last.fm数据集上的实验证明,该算法能有效提高Top-N推荐的准确率和召回率,同时通过在学术社交网站——学者网数据集上进行的学者推荐实验表明,该算法能有效提高核心用户的推荐度.

关键词：好友推荐、三部图、标签、社交网络、协同推荐

所属期刊栏目：12

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.61272067,61502180,61370178,61202296,61370229;the National High Technology Research and Development Program of China under Grant No.2013AA01A212国家高技术研究发展计划863计划;the Natural Science Foundation of Guangdong Province under Grant Nos. 2015A030310509, 2014A030310238;the Science and Technology Program of Guangzhou under Grant No.201508010067

在线出版日期：2018-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：92-100