社交属性网下基于链路预测及节点度的推荐算法

论文摘要

社交网络的出现使现代人们沟通交流的方式发生了颠覆性的变化。不断有研究者从社会角度和技术角度对社交网络进行研究。链路推荐是一个非常重要的任务,一方面增强网络内部联系,另一方面改善用户体验。目前,在考虑网络结构信息和节点属性信息的社交属性拓展网络模型中链路预测算法中还没有很好的综合利用两种信息对链路生成的影响。本文在基于局部信息的链路预测算法下考虑不同类型共同邻居节点对链路生成的影响,并将其应用于社交属性拓展网络模型中。在改进的算法中,用户共同邻居节点和属性共同邻居节点对链接相关性的影响被给予不同的处理。在Google+社交数据集的实验表明,在社交属性拓展网络模型下,本文改进算法优于不考虑共同邻居节点影响的算法。在总结实验结果中用户共同邻居节点和属性共同邻居节点对链接生成的不同影响后,对不同类型节点的处理方法提出指导性建议。

论文目录

• 引 言
• 社交属性拓展网络模型及结合节点影响的链路推荐算法
•   1、社交属性拓展网络模型下结合节点影响的链路推荐框架
•   2、社交属性拓展网络模型
•   3、结合节点影响的链路预测算法设计
•     （1） 共同邻居节点影响的量化
•     （2） 构造加入影响项的相似性算法
• 实验分析验证和讨论
•   1、数据集
•   2、评价指标和基线
•     （1） 评价指标
•     （2） 基线设置
•   3、推荐效果对比
• 总结与展望

文章来源

类型: 期刊论文

作者: 江若然,张玲玲

关键词: 链路预测,社交属性网,节点的度,推荐系统,共同邻居

来源: 管理评论 2019年02期

年度: 2019

分类: 经济与管理科学,基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 中国科学院大学经济与管理学院

基金: 国家自然科学基金项目(71471169)

分类号: TP391.3;O157.5

DOI: 10.14120/j.cnki.cn11-5057/f.2019.02.003

页码: 119-129

总页数: 11

文件大小: 331K

下载量: 385