LBSN中基于好友聚類(lèi)的社交搜索系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、在線(xiàn)社交網(wǎng)絡(luò)(OSNs-online social networks)的發(fā)展與普及給人們的日常生活帶來(lái)了極大的便利，如今每天有多達(dá)數(shù)十億的用戶(hù)活躍在OSNs上，產(chǎn)生了大量的社交信息。漸漸地，人們將搜索的習(xí)慣從傳統(tǒng)的網(wǎng)頁(yè)搜索如谷歌、百度，轉(zhuǎn)移到了OSNs上來(lái)，社交搜索便應(yīng)運(yùn)而生。由于傳統(tǒng)搜索方式有著查準(zhǔn)率低，用戶(hù)篩選時(shí)間長(zhǎng)，搜索結(jié)果一致化等缺點(diǎn)，在用戶(hù)個(gè)性化搜索的背景下，社交搜索依托于傳統(tǒng)的搜索原理，結(jié)合用戶(hù)的社交信息，可以產(chǎn)生個(gè)性化的搜

2、索結(jié)果，提高搜索精度。總的來(lái)說(shuō)，社交搜索是找正確的人（朋友、愛(ài)好相似的用戶(hù)、領(lǐng)域?qū)＜业龋槠渚_快速的回答問(wèn)題。隨著基于位置的社交網(wǎng)絡(luò)（LBSN-location-based social network）的興起，在移動(dòng)電話(huà)、平板電腦等移動(dòng)設(shè)備和GPS、WiFi等移動(dòng)技術(shù)的支持下，為社交搜索的移動(dòng)化研究提供了理論依據(jù)。
　　針對(duì)當(dāng)前LBSN平臺(tái)上社交搜索選取的社交特征不具代表性、搜索算法效率不高的現(xiàn)狀，從Foursquare真實(shí)數(shù)

3、據(jù)集中提取基于位置信息和聯(lián)系人信息等多維特征，本文提出基于好友聚類(lèi)的KNN搜索算法，設(shè)計(jì)基于倒排索引的搜索引擎，結(jié)合距離等因素使搜索結(jié)果更加精確、搜索速度得到提升。為使搜索結(jié)果更加精確，首先，在研究用戶(hù)朋友的基礎(chǔ)上，對(duì)朋友進(jìn)行聚類(lèi)。由于LBSN屬于異構(gòu)網(wǎng)絡(luò)，數(shù)據(jù)集比較稀疏，通過(guò)聚類(lèi)可以使數(shù)據(jù)更加稠密化，降低因數(shù)據(jù)稀疏導(dǎo)致的不利影響;其次，搜索算法的設(shè)計(jì)上，在考慮了傳統(tǒng)社交影響力的基礎(chǔ)上，增加了專(zhuān)業(yè)相關(guān)度和距離遠(yuǎn)近兩個(gè)指標(biāo)。綜合搜索得分、

4、社交得分和距離得分，通過(guò)線(xiàn)性回歸的模型訓(xùn)練，使搜索結(jié)果更加精確客觀(guān)。
　　本文從Foursquare的真實(shí)數(shù)據(jù)集中，篩選出發(fā)生在紐約的數(shù)據(jù)。然后對(duì)四種搜索算法（本文提出的算法和三個(gè)對(duì)比算法）分別進(jìn)行實(shí)驗(yàn)，通過(guò)對(duì)實(shí)驗(yàn)結(jié)果的對(duì)比和分析可以得出:(a)本文提出的搜索算法(FCSD-KNN)有效地提高了社交搜索的精度，相較于其他三種典型的對(duì)比算法取得了更好的效果;(b)通過(guò)對(duì)其他三種搜索算法(FCS-KNN、FC-KNN和F-KNN)的比