LBSN中位置信息与网络拓扑相融合的好友预测.pdfVIP

第 41卷 第 9期 计 算 机 科 学 Vo1．41No．9 2014年 9月 Computer Science Sep2014 LBSN 中位置信息与网络拓扑相融合的好友预测 潘 果 徐雨明 (湖南大学信息科学与工程学院 长沙410082) 摘 要 在基于位置的社会网络中，好友预测通常通过相似性标准来衡量用户间的相似性，然后将最相似的用户作为 好友推荐给指定用户。传统的用户特征选取没有区分各个特征之间的差异，因而不能很好地代表用户的整体特征。 提 出了一种位置信息与社会网络拓扑相融合的好友预测方法。首先通过信息增益方法选取出更能代表用户整体特征 的3个相关特征，然后对选取的特征进行融合，最后采用分类方法进行好友的预测。实验表明，提 出的模型不依赖于 具体的分类算法，并且预测性能优于多层好友模型。 关键词 位置 ，拓扑，推荐 ，链接预测 中图法分类号 TP319 文献标识码 A DOI 10．11896／j．issn．1002—137X 2014．09．022 FriendsPredictionBasde onFusionofTopologyandLocationinLBSN PAN Guo XU Yu-ming (CollegeofInformationScienceandEngineering，HunanUniversity，Changsha410082，China) Abstract Inlocationbasedsocialnetworks，friendspredictionusuallypredictsfriendswithsomesimilaritymetric，and recommendsthemostsimilarusersto someuser．Traditiona1selectionmethodsofuserfeaturesdon’tconsiderthe differencebetweendifferentfeatures，SOtheycannotrepresenttheoverallfeaturesofusers．Thispaperproposeda friendspredictionmethodbasedonfusionoflocationinformationand socialtopology．First，weselectedthreerelative featuresthatcanrepresenttheoveral1userfeaturewithinformationgain。thenfusedtheselectedrelativefeatures，and finallypredictedfriendswithclassificationmethod．Theexperimentsshow thattheproposedmethoddoesn’tdependon theconcreteclassificationmethod，andperformsbetterthanthemulti-layerfriendmode1． Keywords Location，Topology，Recommendation，Linkprediction 在基 于位置 的社会 网络 (LocationbasedSocialNet— 们进行量化。于是，好友预测的关键变成了如何选取衡量用 works，LBSN)、基于用户之间的社会关系网络中，用户可以 户相似性的特征。当前，主流的方法是用不同的相似性标准 发现好友，搜索带位置标签的内容 ，以及与附近的好友进行面 对用户的相似性进行量化，并将具有高相似性的用户对作为 对面的交流沟通。LBSN除了可以维持用户在虚拟网络中的 好友推荐给对方。然而在实际上，由于相似性定义的局限，相 联系，还可以增强用户与现实世界的联系。近些年