Instagram社交網(wǎng)中好友和位置推薦算法的研究與實(shí)現(xiàn).pdf

1、在線社交網(wǎng)絡(luò)快速發(fā)展，促使人們?cè)絹碓蕉嗟倪M(jìn)行信息記錄和共享。推薦系統(tǒng)通過挖掘用戶歷史數(shù)據(jù)識(shí)別出用戶興趣偏好，為用戶推薦其可能感興趣信息。隨著基于位置社交網(wǎng)絡(luò)LBSNs(Location Based Social Networks)逐步將地理位置引入在線社交網(wǎng)絡(luò)，使得在LBSNs中進(jìn)行信息推薦面臨更大挑戰(zhàn)，用戶屬性特征復(fù)雜、位置表現(xiàn)形式多樣使得在基于位置社交網(wǎng)絡(luò)中進(jìn)行好友和位置推薦成為學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)之一。
　　傳統(tǒng)LBSN

2、s中，好友推薦主要是基于用戶共同好友數(shù)量、年齡職業(yè)等基本屬性相似性等方式實(shí)現(xiàn)，位置推薦主要是基于地理位置聚類、訪問序列相似等途徑實(shí)現(xiàn)，由于均很少涉及對(duì)用戶活動(dòng)興趣偏好和用戶之間信任關(guān)系的考量，導(dǎo)致推薦質(zhì)量不高。針對(duì)此問題，本文通過綜合考慮用戶活動(dòng)偏好、社交信任關(guān)系、位置合成評(píng)分和物理位置距離等因素，實(shí)現(xiàn)LBSNs中的好友和位置推薦。
　　針對(duì)目前好友推薦算法存在的虛假推薦和未考慮用戶興趣偏好問題，本文提出FRBTA(Friend

3、Recommendation Based on Trust and Activity)算法，該算法主要是利用用戶社交信任值和活動(dòng)偏好相似性來實(shí)現(xiàn)基于位置社交網(wǎng)絡(luò)中好友推薦。由于活動(dòng)可以體現(xiàn)用戶興趣偏好，因此通過用戶間活動(dòng)相似性可以發(fā)現(xiàn)與其偏好相似的好友，由于社交信任能反映用戶間交互緊密程度，因此根據(jù)不同程度信任關(guān)系進(jìn)行好友推薦具有更合理的可解釋性。針對(duì)目前位置推薦算法存在的評(píng)分?jǐn)?shù)據(jù)稀疏和新用戶冷啟動(dòng)問題，本文提出LRBTA(Locati

4、on Recommendation Based on Trust and Activity)算法，該算法主要是利用基于位置活動(dòng)相似性和用戶社交信任值的矩陣分解方法，來緩解用戶位置評(píng)分矩陣的稀疏性，從而實(shí)現(xiàn)基于位置社交網(wǎng)絡(luò)中位置推薦。同時(shí)，利用用戶所信任好友位置訪問歷史記錄，解決新用戶冷啟動(dòng)問題，進(jìn)而對(duì)其進(jìn)行有效位置推薦。
　　通過Instagram數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)測試，分別從準(zhǔn)確率、召回率、F指標(biāo)和整體平均精度四個(gè)方面進(jìn)行實(shí)驗(yàn)分析對(duì)