基于圖模型的社交網(wǎng)絡(luò)好友推薦與優(yōu)化.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、社交網(wǎng)絡(luò)已成為在線應(yīng)用的常態(tài),被深入整合到人們的日常生活,并對人們的行事決策產(chǎn)生重要影響。好友推薦是社交網(wǎng)絡(luò)服務(wù)的一項(xiàng)重要功能,其對提升社交用戶的活躍度和增強(qiáng)社交網(wǎng)絡(luò)對用戶的黏度具有積極作用。但社交網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大、用戶數(shù)據(jù)的極度稀疏等使好友推薦性能受到極大挑戰(zhàn)。該問題的解決對深度發(fā)掘社交網(wǎng)絡(luò)的內(nèi)在價(jià)值、構(gòu)建基于社交網(wǎng)絡(luò)的頂層應(yīng)用等具有重要意義。
  本文基于社交網(wǎng)絡(luò)理論研究及現(xiàn)有好友推薦方法的歸納分析,針對數(shù)據(jù)稀疏性對好友推薦

2、性能的影響,深入探析了隨機(jī)游走策略在社交網(wǎng)絡(luò)好友推薦應(yīng)用中的有效性及其可改進(jìn)空間。進(jìn)而,從基于不同用戶間的社交親密度差異優(yōu)化轉(zhuǎn)移概率矩陣、整合反向社交影響力、開采用戶多元信息構(gòu)建貝葉斯推理模型等角度與隨機(jī)游走策略深度融合,分別提出了新的有效的好友推薦方法,提升了好友推薦的準(zhǔn)確度。本文的主要研究內(nèi)容與貢獻(xiàn)如下:
 ?。?)鑒于用戶間社交親密度差異對好友推薦具有重要影響,提出了一種頻繁項(xiàng)挖掘和隨機(jī)游走策略相結(jié)合的推薦算法(FP-RWR

3、),引入頻繁項(xiàng)挖掘方法來快速計(jì)算社交用戶間的社交親密度,優(yōu)化轉(zhuǎn)移概率矩陣并快速修剪推薦目標(biāo)集合,提升了推薦有效性和計(jì)算性能。
 ?。?)針對隨機(jī)游走策略的正向傳播計(jì)算機(jī)制,提出了一種融合局部反向搜索的隨機(jī)游走推薦算法(IRRWR),充分兼顧了社交用戶間顯式的正向影響力和隱式的反向影響力,一方面促進(jìn)了推薦計(jì)算快速收斂,一方面充分結(jié)合正向搜索與限定步長的局部反向搜索提供了更全面的好友推薦建議。
  (3)由于隨機(jī)游走策略并未兼容

4、社交用戶屬性信息,提出了一種融合貝葉斯推理和隨機(jī)游走的好友推薦方法(BN-IRRWR),其既基于用戶屬性建立貝葉斯推理模型開展好友關(guān)系推斷,又基于圖模型進(jìn)行隨機(jī)游走搜索,充分開采圖結(jié)構(gòu)信息和用戶屬性信息來協(xié)同決策推薦,建立了好友推薦的新模式,強(qiáng)化了推薦證據(jù)。
  針對上述各推薦方法,本文既提供了詳細(xì)的推薦模型和理論分析,又在DBLP、Facebook、Epinions等多個(gè)真實(shí)數(shù)據(jù)集上開展了密集性實(shí)驗(yàn),并與經(jīng)典推薦算法進(jìn)行了對比分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論