基于MapReduce的微博好友推薦研究.pdf

1、互聯(lián)網(wǎng)技術的發(fā)展推動著社會的不斷進步，隨著計算機和網(wǎng)絡的普及度越來越高，人們的生活越來越趨向于數(shù)字化、電子化，大量數(shù)據(jù)的涌來使得傳統(tǒng)的單片機處理能力上的局限越來越明顯，計算機的數(shù)據(jù)計算能力和存儲能力亟待提高。然而，單片機性能的提升相對海量數(shù)據(jù)來說依然十分有限，在這種背景下，云計算技術出現(xiàn)并開始發(fā)揮其重要的角色。社交網(wǎng)絡作為新社會化媒體的突起，尤其是微博的出現(xiàn)已成為人們?nèi)粘Ｉ畹闹匾M成部分之一。微博用戶作為微博平臺中的重要節(jié)點，其行為模

2、式一直是微博研究領域的研究熱點。本文對微博社交平臺上用戶影響力的評價問題及好友推薦問題展開研究，提出改進的算法模型，并借助云計算平臺完成分布式改造。
　　針對微博社交網(wǎng)絡平臺中的用戶影響力評價問題，提出了一種基于HRank的評價算法。該算法將評價科學家科研績效影響力的判定參數(shù)H指數(shù)引入進來，構造出能反映用戶影響覆蓋度的粉絲H指數(shù)和用戶微博受追捧程度的微博被轉發(fā)H指數(shù)，在此基礎上，結合粉絲H指數(shù)和微博被轉發(fā)H指數(shù)構建出對用戶影響力進

3、行綜合評價的HRank模型。通過與新浪微博官方網(wǎng)站給出的影響力排名進行相關性實驗表明，相對于目前普遍采用的PageRank算法，HRank算法得到的排名相關性提高了近10％，可有效實現(xiàn)對微博用戶影響力的客觀評判。
　　針對社交網(wǎng)絡中的好友推薦問題，提出了一種基于三度影響力理論的好友推薦算法。社交網(wǎng)絡用戶節(jié)點間的聯(lián)系除了共同好友外，還存在其他不同長度的連通關系，該算法不再局限于僅以用戶間共同好友的數(shù)量作為好友推薦的主要依據(jù)，而是在此

4、基礎上引入三度影響力理論進一步拓展關系連接，即把用戶間距離三度以內(nèi)的強連接用戶都考慮進來。通過在新浪微博和Facebook社交網(wǎng)站上的實驗表明，該算法比僅依據(jù)用戶間共同好友數(shù)量的推薦算法在查準率和查全率上有了較大提高，顯著提升了社交平臺好友推薦的效果，從而為社交平臺改進推薦機制，以進一步增強用戶體驗提供了理論支撐。
　　由于基于三度影響力的好友推薦算法僅僅考慮的是用戶間好友關系呈現(xiàn)的網(wǎng)絡結構特性，并沒有加入對用戶行為特性的考慮。而