您的当前位置:首页正文

一些社交网络好友推荐方法概述

2021-07-17 来源:步旅网
_科技

一些社交网络好友推荐

方法概述

孟硌

华中师范大学湖北武汉430079

摘要:基于用户兴趣偏好是现有社交网络好友推荐中应用最广泛的一种方法,但 该方法忽略了用户的网络行为和所处环境对好友推荐的潜在影响。本文综述了基于用 户行为和基于地理位置两种好友推荐方法的最新研究,旨在提高好友匹配的准确性。

关键词:好友推荐;用户行为;地理位置

评论、转发、回复外,还增加了点赞、@、评分等。

引言

此外,社交网络用户行为具有实时更新不易把 控的特点,考量起来有一定难度,而基于用户 行为的方法为社交网络好友推荐提供 的

吴不晓[1]以用户标注行为为本,使用词频- 逆向文件频率(TF-IDF)将用户标签以语义相 似度聚类成同的话题,并据此推荐具有相同 兴趣爱好的潜在好友的算法—

,其中

最广

基于用户标

注行为的好友推荐算法(FRBT)。李全乐呷 了基于用户®行为的好友推荐问题,他使用机 器学习排序框架(Learning To Rank) x并引入 概率图模型思想,将用户®行为的好友推荐问 题转化成二分类问题。过云燕[3]借助机器学习 方法,研究不同类型的属性对用户行为产生的 不同贡献度,并以此为依据属性进行分类, 提出一

类属性的好友推荐算法。

蒋文丽8则研究社交网络中不同的社群/ 团队角色或相同角色下不同的用户行为造成 的角色活跃度差异,并通过E-GARG◦模型模 拟社群拓扑结构中的角色活跃度,提出一种基

社交网络中的好友推荐一般是通过运用 算法和构建模型来计算和预测用户之间的隐 藏链接关系,并按照与当前社交圈的亲密度进 行降序排列,为社交网络用户推荐他们感兴趣 的或可能认识的朋友,并引导他们建立新的好 友关系,这表现在社交网络模型中,即建立新 的节点连边。

已有的社交网络好友推荐方法为我们提 供 泛的是

用户关系的

用户社会关系的方法、 力的方法、基于好友

用户兴趣偏好的方法X他还包括

用户社会影响

的方法。

法往往忽略了用户作为社交网络主体的一些 网络行为和所处环境可能对好友推荐的结果 产生潜在影响。因此,笔者选取了社交网络好 友推荐方法中研究较少的两种思路,即基于用 户行为和基于地理位置的方法,对国内这两个 领域已产生的最新研究进行

_、基于用户行为的社交网络好友推荐 方法

角色活跃度的好友推荐方法。李天立[5]和郑 佳佳[?等均将用户行为模式归纳为档案创建、 内容创建及关系建立三方面,依据用户和网页 的关系构建用户访问模型,并依据用户间的评

近年来,多样化的社交网络衍生出了纷繁 复杂的用户在

行为,

-

3\" |发明与创新2018.3

分计算用户相似性,从而研究热点好友推荐问题。

施少怀[7]把社交网络用户划分为兴趣用户 和交际用户两种类型,由此形成的兴趣关系和 交际关系则代表了用户的不同倾向。而用户在 社交网络中的行为必然会受其好友行为影响, 因此他引入行为信任机制,把基于用户行为倾 向的相似度模型评估结果在每个用户节点中 传播,以此进行好友推荐。

赵钕森[$深入分析了用户行为与用户兴趣 的关系

点研究

网行为

括浏览行为、评行为、评分行为,并以此为出 发点,建立情感与评分的回归模型,分析由用 户评分高

的兴趣爱好程度 .

的关系 出了 种模 兴趣分类 。

同样从移动互联网用户所处的动态情境去思

考的

[%

用户浏览社交网络实时

的情 因 入用户行为模型

出 种

基于用户情境的 社交网络推荐模型,并5基于情 的

用户

评分

用户对信息的采纳程度。王立人™以微博为例,

中种

的用户行为

发、评

论、®、参与话题讨论融入主题模型LDA(文档

主题成模型

分到时间片中,构建了一种融合用户行为和时

模型。

二、基于地理位置的社交网络好友推荐 方法

与位置服务相融合是社交网络服务未来 发 的

研究

分好友推荐研究方法忽略了用户兴趣与其位 置间的潜在关系。这样的推荐方法更适用于虚 拟网络,推荐结果

的好友关系多为

.

关系,在现世界并没有真正的交集,这将造 成用户线上线下的社交活动无法紧密连接,在 满足用户的社交现实需求方面存在一定缺陷。

基于用户地理

的好友推荐

弥补

了上述缺陷。从这个思路出发,朱金奇[11]提出 把用户的兴趣和位置结合起来,即将传统的用 户兴趣挖掘及相似性匹配算法加入邻居发现 的方法,通过地理位置相似度计算剖析近邻关

信息科技

系。田恩菊[12]以用户签到地点历史记录为信息 源,提出将矩阵分解挖掘出的用户现有社交关 系(隐式因子)与用户地理位置(显式因子)相 互补充的思路。

朱荣鑫[13对位置签到型社交网站Foursquare 进行研究,发现用户签到的位置范围多为近距 离,由此印证用户更倾向于近距离社交。基于 此,他进一步挖掘位置与人的关系,提出了位 置推荐模型和用户推荐模型

者采用

题模型,将用户和位置的签到序列与文本聚类 LDA中的词与文档相对应,得到主题-位置矩 阵和签到-主题矩阵,观察用户签到和位置在

中的分布情

而进行位置推荐;后者

采用图模型,将用户之间的关系转化为图中边 的关系,通过对边的关系进行权重计算来确立 好友关系的强弱。

隋雪芹[18#以 为例,探究了如何通用户 进行好友推荐。分

用户 发 中含的地名等 信 综

虑发

下文内容、用户活跃度和用户在城际间的移动

时间,最

出了

感的朋友推荐模型。

刘乾[15]结合用户的地理签到历史信息,提出了 由地理相似性和用户社交距离共同决定的用 户社交位置距离(Social Location )的概念,并 以此为基

建好友推荐模型。

王晨[1@对基于位置的国外社交网络Bright- kite进行数据采集,通过分析社交网络用户使用 地点签

的行为

究用户

信息

对好友拓扑结构的影响。李林[17]在基于位置服 务(Location-Based Service )的基础上,引入 基于位置的社交网络(Location-Based Social Networks,简称LBSN )的概念,并针对这个概 念提出一种叫作PFRSC的基于用户社交关系 和签到行为的友推荐算法。同

LBSN概

念运用到好友推荐方式中的还有李媛™和刘袁 柳[191,他们认为在LBSN模式下应实现用户不

受任何时间和空间的约束,能随时随地通过签 到来分享自己的位置或发表带位置的文本或

。他们还认为,用户的位置信,有

弥补线上线下社交好友活 的

不应

的 性。

发明与创新2018.3 | 3\"

_科技

李朔[2#]为了解决前人基于位置的推荐研究 中关于数据稀疏及冷启动的问题,结合聚类算 法与协同过滤方法二者之长,并综合考虑位置 语义等因素,提出一种改进的地点推荐方法。 孙晓晨[21]通过计算用户在各个位置兴趣点的 位置权重来计算用户的位置相似度和好友相 似度,同时应用基于密度聚类的DBSCAN算 [5] [6] [7] [8] 李天立.社交网络中好友推荐技术的研 郑佳佳.社交网络中基于图排序的好友 施少怀.一种基于用户倾向的微博好友 赵钕森.基于用户行为的动态推荐系统 究[D].大连:大连海事大学,2014.

推荐机制研究与实现[D].杭州:浙江大学,2011.推荐算法[D].哈尔滨:哈尔滨工业大学,2013.法达到将各个位置兴趣点聚类为不同的位置 兴趣区域块的目标,最后综合用户间的互动亲 密度进好友推荐。

朱煦[22$针对移动互联网提出了一种利用移 动设备上下文信息进行朋友推荐的思路—

采集用户移动设备中的通信数据,以此计算用

户的通信社交强度,并利用

用户间的位置

,最后利用通

和位置

综合

映用户联络关系的移动社交强度,并根据此思 ,利用基于的推荐算法进好友推荐。三、结语

综上所述,基于用户行为和基于地理位置 的

网络好友推荐方法弥补了以用户兴趣

为考察主体的推荐方法的不足的效果值得思 考,国内已有研究虽不多,但为进一步深入探 提 。

好友推荐方法

度、多覆盖地考用户

,为

网络用户

的好友推荐结果。

参考文献:

[1] 吴不晓,肖菁.基于用户标注行为的潜在 好友推荐[)].计算机应用,201),35(6):1663-1667.[2] 李全乐.社交网络的@行为用户推荐方 法研究[D].北京:北京理工大学,2015.

[3]

过云燕,王宏志,张玮奇.社交网络中基

于分类属性的好友推荐U].计算机工程与应用, 2015,51(12):99-106.

[4]

蒋文丽,汤庸,许玉赢,等社交网络中角 色活跃度的好友推荐[J].小型微型计算机系统, 2016,37 (10):2162-2165.

40 |发明与创新2018.3

算法研究及实现[D].成都:电子科技大学,2013.[9] 陈独伊.基于用户情境的社交网络推荐 [D].上海:上海交通大学,2014.

[10] 王立人.基于主题分析和社交圈发现的 微博朋友推荐[D].昆明:昆明理工大学,2016.[11]

朱金奇,张兆年,马春梅,等.基于地理

近邻关系的微博系统朋友推荐[J].计算机工程 与应用,2017,53(13):72-77.

[12] .基于 理

的 友推荐研究

[D].济南:山东大学.2017.

[13] 朱荣鑫.基于地理位置的社交网络潜在

用户和位置推荐模型研究[D].南京:南京邮电

大学,2013.

[14] 隋雪芹.基于社会媒体的用户移动轨迹

挖掘及其在朋友推荐中的应用研究[D].济南:山

东大学,2016.

[15] 刘乾.基于社交网络和地理位置信息的 好友推荐方法研究[D].杭州:浙江大学,2013.

[16] 王晨.基于位置的社交网络好友推荐算 法研究[D].北京:北京工商大学,2015.[17]

李林.基于位置的社交网络潜在好友推 荐系统研究[D].南宁:广西大学,2016.

[18] 李媛.基于位置的社交网络推荐算法的 研究与应用[D].北京:中国科学院大学,2015.[19] 刘袁柳.面向LBSN的兴趣点和用户推 荐方法研究[D].苏州:苏州大学,2015.

[20] 李朔,石宇良.基于位置社交网络中地 点聚类推荐方法[&].山东大学学报,2016(3):44-50.

[21] 孙晓晨,徐雅斌.位置社交网络的潜在好 友推荐模型研究[&].电信科学,2014(10):71-77.

[22]

朱煦.移动互联网中好友推荐机制的研

究[D].大连:大连理工大学,2014.

因篇幅问题不能全部显示,请点此查看更多更全内容