社交網(wǎng)絡中基于現(xiàn)實世界證據(jù)的半自動化朋友推薦機制的研究與實現(xiàn).pdf

1、近年隨著互聯(lián)網(wǎng)大規(guī)模擴展以及各種虛擬社交網(wǎng)絡的普及，新浪微博、騰訊QQ、微信、Twitter等虛擬社交網(wǎng)絡廣泛進入到人們的現(xiàn)實生活中，人們實時的分享著自己的信息以及生活狀態(tài)。對于這類社交網(wǎng)絡，用戶彼此之間通過類似“關注-被關注”的方式連接在一起。由于此類社交網(wǎng)絡為非實名制，用戶會時常碰到不能確定“關注的人”或“粉絲”身份的情況，而且隨著信息量的增加這種確定過程變得越來越困難。而事實上這些用戶在現(xiàn)實世界當中有可能是熟悉的朋友或者同學等。這

2、就造成了社交網(wǎng)絡和現(xiàn)實世界人脈網(wǎng)絡的割裂，事實上社交網(wǎng)絡是現(xiàn)實人脈網(wǎng)絡的延伸，于是幫助用戶在龐大的社交網(wǎng)絡中發(fā)現(xiàn)現(xiàn)實世界中的朋友關系就顯得尤為重要。本文分析了社交網(wǎng)絡世界與現(xiàn)實世界人脈關系網(wǎng)絡的特征，研究了采用半自動輸入證據(jù)的方式將社交網(wǎng)絡世界與現(xiàn)實世界人脈網(wǎng)絡相連，并在新浪云上對提出的機制進行了實現(xiàn)和測試。具體工作內(nèi)容如下：
　?、傺芯苛松缃痪W(wǎng)絡和人際關系的相關模型，對自動化朋友推薦機制和取得的相關成果做了分析。
　?、谏?/p>

3、入研究了好友過濾算法和用戶相似性度量方法，對基于五種不同屬性的相似性度量效果進行了測試分析，整合了五種相似性度量屬性并與之前的結(jié)果做了對比，發(fā)現(xiàn)整合屬性后的度量結(jié)果對于用戶推薦的準確率和召回率有明顯的提升，隨著數(shù)據(jù)規(guī)模的增大，性能更加平穩(wěn)。
　?、坩槍ΜF(xiàn)實世界和虛擬網(wǎng)絡的朋友脫節(jié)問題，提出一種半自動化朋友推薦機制并應用于新浪微博系統(tǒng)中。該機制首先獲取用戶潛在的好友并進行分類呈現(xiàn)，然后對于呈現(xiàn)的好友通過提供證據(jù)來確定其在現(xiàn)實世界的身