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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著Internet的快速發(fā)展,人類社會正式進入了信息社會和互聯(lián)網(wǎng)的網(wǎng)絡交互時代。國內(nèi)外涌現(xiàn)了各種不同的社交網(wǎng)站,如Facebook,twitter,Flickr,新浪微博,人人網(wǎng)等。在社交網(wǎng)絡中,用戶添加其他的用戶為自己的好友是社交網(wǎng)站提供的最基本的功能。而面對數(shù)量日益增長中的社交網(wǎng)絡用戶,如何添加和自己有共同興趣愛好的其他用戶成為自己的好友,對于目前的推薦算法是一個巨大的挑戰(zhàn)。社交網(wǎng)絡中的好友推薦系統(tǒng)就是針對這一難題而出現(xiàn)的。在社交
2、網(wǎng)絡中現(xiàn)存的好友推薦算法大多只考慮長時間使用的用戶,而對新注冊的用戶推薦準確度明顯不夠。同時過多的考慮用戶之間的共同好友,或者是過多的給用戶推薦一些熱點用戶,無法為用戶提供個性化的好友推薦。
本文詳細地分析了目前流行的推薦算法,研究了已經(jīng)運用在社交網(wǎng)絡中的好友推薦機制。針對目前社交網(wǎng)絡中好友推薦存在的問題,提出基于內(nèi)容和社會過濾的好友推薦算法,該算法能夠綜合地考慮用戶的個人信息和現(xiàn)有的人脈好友。首先,本文對社交網(wǎng)絡中的對象進行
3、了定義,并分析了目前優(yōu)化推薦算法性能的最常用的方法。其次,提出基于內(nèi)容推薦算法計算用戶之間的相似性,得出一個與目標用戶相似度最高的用戶集合。然后,提出社會過濾算法,使用關(guān)聯(lián)規(guī)則計算與用戶相似度最高的用戶集合中與目標用戶共同好友數(shù)量最多的用戶,組成一個共同好友最多的用戶集合。最后結(jié)合用戶的個人信息和社會關(guān)系兩種推薦因素,推導出個性化好友推薦算法。
在實驗部分,先設計了驗證算法的推薦系統(tǒng),為測試算法的性能做出技術(shù)平臺支持。在實驗數(shù)
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于社會化網(wǎng)絡的好友推薦算法研究與應用.pdf
- 好友推薦中的協(xié)同過濾算法研究及應用.pdf
- 在線社會網(wǎng)絡中好友推薦算法研究.pdf
- 基于協(xié)同過濾技術(shù)的微博好友推薦方法的研究與實現(xiàn).pdf
- 潛在因子與多屬性內(nèi)容過濾推薦算法研究.pdf
- 基于位置社交網(wǎng)絡潛在好友推薦算法研究.pdf
- 基于內(nèi)容的推薦與協(xié)同過濾融合的新聞推薦研究.pdf
- 基于社會興趣聚類的協(xié)同過濾推薦算法研究.pdf
- 基于E-CARGO的社會網(wǎng)絡好友推薦機制研究與仿真.pdf
- 基于內(nèi)容推薦協(xié)同過濾推薦算法的智能交友網(wǎng)站的設計實現(xiàn)
- 基于改進粒子群社區(qū)劃分與好友推薦算法研究.pdf
- 基于協(xié)同過濾的推薦算法研究與引擎設計.pdf
- 基于用戶社會關(guān)系與社區(qū)結(jié)構(gòu)的協(xié)同過濾推薦算法研究.pdf
- 基于MapReduce的微博好友推薦研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究.pdf
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 基于社會計算的電子商務協(xié)同過濾推薦算法研究.pdf
- 基于SVD的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的器件推薦算法研究.pdf
評論
0/150
提交評論