欢迎来到天天文库
浏览记录
ID:33327253
大小:1.12 MB
页数:11页
时间:2019-02-24
《基于用户聚类的异构社交网络推荐算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第36卷第2期计算机学报Vol.36No.22013年2月CHINESEJOURNALOFCOMPUTERSFeb.2013基于用户聚类的异构社交网络推荐算法陈克寒韩盼盼吴健(浙江大学计算机学院杭州310027)摘要相比传统的社交网络,基于弱关系的微博类社交网络具有显著的异构特征.根据特征可以将节点分为用户(消息订阅者)和主题(消息发布者)两类,面向用户推荐其感兴趣的主题成为了该类社交网络中推荐系统的主要目标之一,同时该类社交网络中普遍存在的数据稀疏性和冷启动现象成为了推荐系统面临的主要问题.文中提出一种基于两阶段聚类的推荐算法GCCR,将图摘要方法和基于内容
2、相似度的算法结合,实现基于用户兴趣的主题推荐.与以往方法相比,该方法在稀疏数据和冷启动的情况下具有更好的推荐效果,此外,通过对数据集进行大量的离线处理,使得其较以往推荐方法具有更好的在线推荐效率.最后通过真实社交网络的数据对本方法进行了验证,同时分析了各参数对推荐效果的影响.关键词社交网络;推荐系统;聚类算法;图摘要;数据挖掘中图法分类号TP311犇犗犐号10.3724/SP.J.1016.2013.00349犝狊犲狉犆犾狌狊狋犲狉犻狀犵犅犪狊犲犱犛狅犮犻犪犾犖犲狋狑狅狉犽犚犲犮狅犿犿犲狀犱犪狋犻狅狀CHENKeHanHANPanPanWUJian(犆狅犾
3、犾犲犵犲狅犳犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔,犣犺犲犼犻犪狀犵犝狀犻狏犲狉狊犻狋狔,犎犪狀犵狕犺狅狌310027)犃犫狊狋狉犪犮狋Comparingtotheordinarysocialnetworksservices(SNS),thetwitterlikeweakrelationshipbasedsocialnetworksareobservablyheterogeneous.Byclassifyingthenodesintousers(subscriber)andsubjects(publisher),thegoalofreco
4、mmendationsystemsoverthiskindofnetworksisbasicallyrecommendingthesubjectstotheusersforsubscription.Moreover,thedatasparsenessandcoldstartscenealwaysexistsinthesemicroblognetworks.Inthispaper,weproposeGCCR,ahybridmethodcombiningbothgraphsummarizationandcontentbasedalgorithmsbyatw
5、ophaseuserclusteringapproach,whichcanrecommendsubjectsaccordingtouserinterests.Withrespecttoothermethods,theGCCRalgorithmcouldgeneratebetterrecommendationresultinsparsedatasetsandcoldstartscenarios.Inadditional,byseparatingthetaskintoofflineandonlineparts,GCCRworksmoreefficiently
6、onlinebyusingthepreprocessedofflineresults.WeuserealdatasetfromexistingsocialnetworkstoevaluateGCCRalongwithbaselinemethods.Moreover,ananalysisoftheparametersisgivenforevaluatingtheirimpactsonrecommendationresults.犓犲狔狑狅狉犱狊socialnetwork;recommendationsystem;clustering;graphsummari
7、zation;datamining收稿日期:20120630;最终修改稿收到日期:20120824.本课题得到国家科技支撑计划项目基金(2011BAH16B04)、国家自然科学基金(61173176)、浙江省科技项目(2008C03007)、国家“八六三”高技术研究发展计划项目基金(2011AA010501)资助.陈克寒,男,1987年生,硕士研究生,主要研究方向为服务计算、数据挖掘.Email:metalgear@zju.edu.cn.韩盼盼,女,1989年生,硕士研究生,主要研究方向为服务计算、数据挖掘、社会计算.吴健,男,1975年生,博士,副
8、教授,主要研究方向为Web服务、语义W
此文档下载收益归作者所有