基于用户标注行为的潜在好友推荐.docVIP

基于用户标注行为的潜在好友推荐 　　摘要：目前多数社交网络主要根据已有好友关系推荐潜在好友，用户的兴趣爱好不作为主要考虑因素；此外，如何从大量数据中精确地提取用户的兴趣爱好是一项十分艰巨的任务。为此，提出一种在大量标注行为数据中精确挖掘出用户的兴趣爱好，并据此推荐具有相同兴趣爱好的潜在好友的算法――基于标注的好友推荐（FRBT）算法。首先使用词频逆向文件频率（TFIDF）对标签进行聚类，将语义相似的标签聚成话题；然后在话题的基础上提出一种新的相似度公式来计算用户相似度；再融合基于话题与基于物品的用户相似度，将相似度较高的用户作为潜在好友进行推荐。在Delicious数据集上以准确率和召回率为指标与item、tag和trigraph三种算法进行与什么比较？写明比较对象为指标与其他三个算法进行比较...比较，实验验证了该算法能够更准确地为用户推荐兴趣相似的好友。 　　关键词：好友推荐；协同标签系统；用户兴趣；标签聚类；话题模型 　　中图分类号： TP391 文献标志码：A 　　Abstract：Friend recommendation is one of the most important applications of social networking. At present， most social networking systems recommend potential friends mainly according to the existed friend relationship， and users interests are not emphasized. Furthermore， it is a very difficult task to find users interests with high precision from a large amount of data. A Friend Recommendation Based on user Tagging （FRBT） algorithm was proposed to find potential friends with the same interests by mining users interests in tagging behavior data. First， Term FrequencyInverse Document Frequency （TFIDF） was used to cluster the similar semantic tags into topics. A new formula for calculating the users similarity of topics was described. Combined with the user similarity based on topic and item， the proposed algorithm could recommend the users with high similarities as potential friends. The experimental results on tagging dataset of Delicious validate， compared wtih the algorithms of item， tag and trigraph， FRBT has better performance in terms of precision and recall. 　　英文关键词 　　Key words：friend recommendation； collaborative tagging system； user interest； tag clustering； topic model 　　0 引言 　　随着Web 2.0的发展，协同标签系统逐渐兴起，与此同时，社交网络也成现代网民们必不可少的交往方式。好友关系是社交网络中的最基本组成部分，所以好友推荐也成为社交网络应用中的重中之重。 　　好友推荐算法主要为两类：一类是基于社交网络图的好友推荐，用来推荐他们在现实社会中互相熟悉或者在现实社会中有相关关系，而在当前社交网络中没有联系的好友；另外一类是基于共同兴趣的好友推荐，用来推荐具有共同兴趣爱好的潜在好友，不关心是否在社会中认识。本文提出的算法属于第二类。 　　在协同标签系统中，用户可以使用标签对资源进行标注，例如Delicious、Last.fm等系统，这种行为不仅能够描述用户的兴趣爱好，而且还能找到标签之间的相似性以及用户与用户之间相似度。因此，可以通过用户标注的行