一種引入元路徑鏈路預(yù)測機(jī)制的好友推薦算法.pdf

1、隨互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展、移動(dòng)終端設(shè)備的迅速普及，人們的工作、學(xué)習(xí)和生活模式已經(jīng)逐漸被打破，人們從信息匱乏時(shí)代進(jìn)入了信息爆炸時(shí)代。這種信息爆炸不僅局限于信息數(shù)量規(guī)模的龐大，更多的體現(xiàn)在于信息種類的繁雜、網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系的復(fù)雜。這給互聯(lián)網(wǎng)中的信息傳播帶來了極大的阻礙，同時(shí)給數(shù)據(jù)挖掘研究帶來了新的挑戰(zhàn):資源消費(fèi)者從紛雜的信息資源選擇有用的內(nèi)容相當(dāng)困難;資源提供者無法有效定位消費(fèi)者的需求和偏好，給出合理高可用性的建議。
　　推薦系統(tǒng)是一種能夠

2、有效解決信息過載問題的工具和技術(shù)，系統(tǒng)通過對(duì)已知數(shù)據(jù)挖掘、分析并智能化建模，將有用信息呈現(xiàn)給用戶，提高資源利用率，緩解互聯(lián)網(wǎng)信息交互壓力。推薦模型的核心工作是研究目標(biāo)用戶和被推薦對(duì)象之間的相似性或相關(guān)性。鏈路預(yù)測能夠順應(yīng)復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)，通過分析網(wǎng)絡(luò)中已有的節(jié)點(diǎn)相似/相關(guān)性等信息，重現(xiàn)和預(yù)測尚未觀察到或?qū)砜赡墚a(chǎn)生的連接。LSBN中的位置信息隱含了很多能夠反映用戶興趣偏好的語義信息，因此，將位置相關(guān)信息融入推薦過程是一個(gè)有效的改進(jìn)和創(chuàng)新。<

3、br>　　基于以上背景，本文提出了一種基于元路徑鏈路預(yù)測好友推薦算法，引入元路徑描述異構(gòu)網(wǎng)絡(luò)中節(jié)點(diǎn)類型之間的關(guān)聯(lián)性，基于隨機(jī)游走方法獲得每一條元路徑的質(zhì)量，通過極大似然估計(jì)方法結(jié)合實(shí)驗(yàn)數(shù)據(jù)得到元路徑權(quán)重，最后通過邏輯回歸函數(shù)最佳擬合元路徑，計(jì)算節(jié)點(diǎn)連接概率，生成推薦列表。在第四部分，將本文與已有的兩種算法針對(duì)相同數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，并對(duì)比分析。本文比基于位置評(píng)分算法在精確率和召回率上分別提高了10％和13％，較基于共同好友的算法在精確率