基于位置的社交網(wǎng)絡(luò)潛在好友推薦系統(tǒng)研究.pdf

1、基于位置的服務(wù)(Location-Based Service，LBS)和社交網(wǎng)絡(luò)逐漸融合，形成了基于位置的社交網(wǎng)絡(luò)(Location-Based Social Networks，LBSNs)。而隨著用戶與簽到的數(shù)量不斷劇增，將具有信息過濾能力的推薦系統(tǒng)引入到LBSNs中，能夠較好地幫助用戶縮短尋找真正關(guān)注內(nèi)容的時間，提高獲取需求的效率。
　　本文主要研究LBSNs推薦技術(shù)中的潛在好友推薦系統(tǒng)。在對LBSNs網(wǎng)絡(luò)層次結(jié)構(gòu)，常用相似性

2、計算方法以及幾種好友推薦算法進行研究，分析和對比他們的優(yōu)勢和不足的基礎(chǔ)上，提出一種基于社交關(guān)系和簽到行為的潛在好友推薦算法，并將其運用到原型系統(tǒng)的設(shè)計與實現(xiàn)中，以便提高好友推薦的效果。具體工作如下:
　　針對現(xiàn)有的LBSNs好友推薦算法沒有很好地對社交關(guān)系進行分析的問題，提出一種基于社交關(guān)系和簽到行為的潛在好友推薦算法PFRSC。在社交關(guān)系的考慮上，先根據(jù)目標用戶與鄰居節(jié)點之間的共同好友數(shù)求出直接關(guān)系值，再利用關(guān)系的傳遞性計算出與

3、目標用戶在社交關(guān)系上的待推薦用戶集合，更好地表示了關(guān)系的強弱。
　　在計算用戶間簽到行為相似性上，提出一種通過簽到頻率和簽到比例來對簽到次數(shù)進行歸一化處理的新方法，綜合考慮了用戶個人偏好和大眾偏好，解決了傳統(tǒng)算法中只能考慮共同簽到的個數(shù)，而無法考慮次數(shù)等問題，較好地提高發(fā)現(xiàn)潛在好友的效率。最后，以準確率和召回率作為潛在好友推薦效果的度量，通過實驗證明了所提出的PFRSC算法比傳統(tǒng)的好友推薦算法具有更好的推薦效果。
　　以PF