基于用户交互的社交网络好友推荐算法

doi:10.19678/j.issn.1000-3428.0049724

计算机工程 ›› 2019, Vol. 45 ›› Issue (3): 132-137. doi: 10.19678/j.issn.1000-3428.0049724

基于用户交互的社交网络好友推荐算法

龙增艳¹,陈志刚^1,2,徐成林¹

1.中南大学软件学院,长沙 410075; 2.中南大学 “移动医疗”教育部-中国移动联合实验室,长沙 410083

收稿日期:2017-12-18 出版日期:2019-03-15 发布日期:2019-03-15
作者简介:龙增艳(1986—),女,硕士研究生,主研方向为机会网络、社交网络;陈志刚,教授、博士生导师;徐成林,硕士研究生。
基金资助:
国家自然科学基金重点项目(71633006);国家自然科学基金面上项目(61672540);中南大学中央高校基本科研业务费专项资金(2017zzts725)。

Social Network Friend Recommendation Algorithm Based on User Interaction

LONG Zengyan¹,CHEN Zhigang^1,2,XU Chenglin¹

1.School of Software,Central South University,Changsha 410075,China; 2.Ministry of Education-China Mobile Joint Laboratory of “Mobile Health”,Central South University,Changsha 410083,China

Received:2017-12-18 Online:2019-03-15 Published:2019-03-15

摘要/Abstract

摘要：

为在社交网络中向用户进行更高效的好友推荐,分析微博社交网络中存在的交互行为,综合考虑网络结构、用户属性以及用户交互特点,计算用户之间建立好友关系的可能性大小。在此基础上,提出一种基于用户交互的社交网络好友推荐算法。实验结果表明,与只考虑网络拓扑结构或用户属性的算法相比,该算法准确率更高。

关键词: 社交网络, 好友推荐, 链路预测, 用户交互, 用户属性

Abstract:

In order to recommend friends to users more efficiently in social network,the interaction behavior in micro-blog social network is analyzed.Considering the network structure,user attributes and user interaction characteristics,the possibility of establishing friendship among users is calculated.On this basis,a friend recommendation algorithm for social network based on user interaction is proposed.Experimental results show that the proposed algorithm is more accurate than the algorithm which only considers the network topology or user attributes.

Key words: social network, friend recommendation, link prediction, user interaction, user attributes

中图分类号:

TP391

龙增艳,陈志刚,徐成林. 基于用户交互的社交网络好友推荐算法[J]. 计算机工程, 2019, 45(3): 132-137.

LONG Zengyan,CHEN Zhigang,XU Chenglin. Social Network Friend Recommendation Algorithm Based on User Interaction[J]. Computer Engineering, 2019, 45(3): 132-137.

https://www.ecice06.com/CN/Y2019/V45/I3/132

参考文献

［1］KIM H,MACREDIE J G R.A qualitative study of Stakeholders’ perspectives on the social network service environment［J］.International Journal of Human-Computer Interaction,2014,30(12):965-976.
［2］MAAMARI B E,ZEIN H E.The impact of social media on the political interests of the youth in Lebanon at the wake of the Arab spring［J］.Social Science Computer Review,2014,32(4):496-505.
［3］SAMANTHULA B K,CEN L,JIANG W,et al.Privacy-preserving and efficient friend recommendation in online social networks［J］.IEEE Transactions on Data Privacy,2015,8(2):141-171.
［4］CORBELLINI A,MATEOS C,GODOY D,et al.An architecture and platform for developing distributed recom-mendation algorithms on large-scale social networks［J］.Journal of Information Science,2015,41(5):686-704.
［5］DAMINELLI S,THOMAS J M,DURN C,et al.Common neighbours and the local-community-paradigm for link prediction in bipartite networks［J］.New Journal of Physics,2015,17(11):1-8.
［6］NIKOLAKOPOULOS A N,KOUNELI M A,GAROFALAKIS J D.Hierarchical itemspace rank:exploiting hierarchy to alleviate sparsity in ranking-based recommendation［J］.Neurocomputing,2015,163:126-136.
［7］YANG L,HAO F,LI S,et al.An efficient approach to generating location-sensitive recommendations in Ad-hoc social network environments［J］.IEEE Transactions on Services Computing,2015,8(3):520-533.
［8］NARUCHITPARAMES J,GUNES M H,LOUIS S J.Friend recommendations in social networks using genetic algorithms and network topology［J］.IEEE Congress of Evolutionary Computation,2011,47(10):2207-2214.
［9］QIAO X,LI X,SU Z,et al.A context-awareness dynamic friend recommendation approach for mobile social network users［J］.International Journal of Advanced Intelligence Paradigms,2011,3(2):155-172.
［10］ZHU J Q,LU L,MA C M.From interest to location:neighbor-based friend recommendation in social media［J］.Journal of Computer Science and Technology,2015,30(6):1188-1200.
［11］ZHANG W,DU Y,SONG W.Followee recommendation based formal concept analysis in social network［J］.International Journal of Innovative Computing Information and Control,2015,11(4):1155-1164.
［12］董峥.基于用户行为的社交网络好友推荐算法研究［D］.北京:北方工业大学,2018.
［13］程倩倩,王路路,郑涛,等.基于多特征分类的微博好友推荐［J］.计算机工程,2015,41(4):65-80.
［14］齐会敏,刘群,戴大祥.面向兴趣主题的个性化好友推荐［J］.计算机工程与科学,2018,40(2):348-353.
［15］宋波伟,伍伟丽.基于信任社交圈的好友推荐算法［J］.计算机工程,2017,43(5):149-155.
［16］王禾清.基于内容的垃圾邮件过滤技术研究［D］.扬州:扬州大学,2017.
［17］张志军,刘弘.上下文感知的移动社交网络推荐算法研究［J］.模式识别与人工智能,2015,28(5):404-410.
［18］邹学强,包秀国,黄晓军,等.基于层次分析的微博短文本特征计算方法［J］.通信学报,2016(12):50-55.
［19］ANSHELEVICH E,BHARDWAJ O,USHER M.Friend of my friend:network formation with two-hop benefit［J］.Theory of Computing Systems,2015,57(3):711-752.
［20］PANAYIOTOU T,ELLINAS G,ANTONIADES N,et al.Impairment-aware multicast session provisioning in metro optical networks［J］.International Journal of Computer and Telecommunications Networking,2015,91(C):675-688.
［21］WU J,HOU Y,JIAO Y,et al.Density shrinking algorithm for community detection with path based similarity［J］.Physica A:Statistical Mechanics and Its Applications,2015,433:218-228.
［22］LEE D,PARK J,SHIM J,et al.Efficient filtering techniques for cosine similarity joins［J］.International Journal on Information,2011,14(4):1265-1289.
［23］于金霞,臧利明,王俊峰,等.一种改进相似度的协同过滤算法［J］.河南理工大学学报(自然科学版),2019,38(2):116-121.
［24］卢文.基于局部信息节点相似性链路预测算法的分析与研究［J］.电子技术与软件工程,2018(20):31-35.
［25］ALPHY A,PRABAKARAN S.A dynamic recommender system for improved Web usage mining and CRM using swarm intelligence［EB/OL］.［2017-12-10］.http://europepmc.org/backend/ptpmcrender.fcgi?accid=PMC4502334&blobtype=pdf.
［26］WU D,ZHANG G,LU J.A fuzzy preference tree-based recommender system for personalized business-to-business E-services［J］.IEEE Transactions on Fuzzy Systems,2015,23(1):29-43.
［27］WENINGER T,PALACIOS R,CRESCENZI V,et al.Web content extraction:a meta analysis of its past and thoughts on its future［J］.ACM SIGKDD Explorations Newsletter,2016,17(2):17-23.

[1]	周春良, 刘仰光, 孟祥佩. 基于贝叶斯衍生分类器的社交网络用户影响力评价模型[J]. 计算机工程, 2024, 50(6): 394-400.
[2]	吴海鹏, 钱育蓉, 冷洪勇. 基于双向注意力机制的多模态关系抽取[J]. 计算机工程, 2024, 50(4): 160-167.
[3]	李政学, 李枝名, 彭德中, 陈杰. 基于特征对比学习和图卷积的社交网络用户分类[J]. 计算机工程, 2024, 50(4): 258-266.
[4]	谢柏林, 黎琦, 魏娜, 邝建. 基于用户行为的社交网络人格特质识别方法[J]. 计算机工程, 2023, 49(1): 279-286,294.
[5]	刘宇航, 尹小庆, 林云. 基于网络资源流量的链路预测方法[J]. 计算机工程, 2022, 48(9): 78-88.
[6]	吴翼腾, 于洪涛, 顾泽宇. 基于统一描述网络结构模型的链路预测方法[J]. 计算机工程, 2022, 48(7): 51-58.
[7]	朱黎明, 丁晓波, 龚国强. 图数据连续发布中的隐私保护方法[J]. 计算机工程, 2022, 48(5): 154-161.
[8]	郭奉琦, 孟凡荣, 王志晓. 基于变分自编码器的谣言立场分类算法[J]. 计算机工程, 2022, 48(2): 99-105.
[9]	孙飞翔, 陈卫东, 林天森. 影响最大化问题中基于K-truss的投票改进算法[J]. 计算机工程, 2022, 48(11): 291-298.
[10]	曾茜, 韩华, 马媛媛. 基于模体的朴素贝叶斯链路预测方法[J]. 计算机工程, 2022, 48(10): 95-102.
[11]	邓心惠, 宾晟, 孙更新. 基于反向可达集的影响力最大化算法[J]. 计算机工程, 2022, 48(1): 60-68,74.
[12]	李有红, 王学军, 谌裕勇, 赵跃龙, 徐文贤. 一种融合邻边属性的个人社交网络社区发现算法[J]. 计算机工程, 2021, 47(7): 81-87.
[13]	杨艳丽, 宋礼鹏. 融合社交网络威胁的攻击图生成方法[J]. 计算机工程, 2021, 47(5): 104-116.
[14]	刘阳, 高世国. 基于随机模型检验的社交网络隐私保护研究[J]. 计算机工程, 2021, 47(5): 144-153.
[15]	尹月双, 孙艳红, 刘勇. 一种基于邻居结构的影响传播模型[J]. 计算机工程, 2021, 47(3): 117-124,130.

选择文件类型/文献管理软件名称

选择包含的内容

基于用户交互的社交网络好友推荐算法

Social Network Friend Recommendation Algorithm Based on User Interaction

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于用户交互的社交网络好友推荐算法

Social Network Friend Recommendation Algorithm Based on User Interaction

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价