摘要:基于位置的社交网络(10cation.basedsocialnetworks,LBSN)大为流行之余,也带来了信息过载问题.好友推荐是所有社交网络必须面临的问题,为了改进LBSN中好友推荐的效果,构建了考虑用户交友偏好的好友推荐模型(friendsrecommendationconsideringusers’preference,UPFR).从兴趣相似性、距离和熟识度三个属性刻画LBSN中的用户,兴趣相似性属性基于信息熵理论计算、距离属性通过朴素贝叶斯推导、熟识度属性建立在共同好友的基础上.在对三个属性进行集成时,考虑了用户的交友偏好,通过目标用户的好友列表确定各属性的权重,建立了自适应用户交友偏好的好友推荐算法.通过Foursquare上的数据实验证明该算法能取得较优的综合推荐效果.
关键词:好友推荐 兴趣相似性 距离 熟识度 交友偏好
单位:合肥工业大学管理学院; 合肥230009
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Chinese Annals of Mathematics,Series B Journal of Zhejiang University Science B Chinese Annals of Mathematics Series B相关范文
lbl教学法论文