上下文感知的移动社交网络好友推荐算法
小型微型计算机系统Journal of Chinese Computer Systems
2018年1月第1期Vol.39No.12018
收稿日期:2016-11-16 收修改稿日期:2017-02-20 基金项目:江苏省科技支撑项目(BE 2014612)资助. 作者简介:孔聪聪,男,1991年生,
硕士,研究方向为数据挖掘
;陈曙东,女,1977年生,博士,研究员,研究方向为数据挖掘二云计算.上下文感知的移动社交网络好友推荐算法
孔聪聪1,3,陈曙东1,2
1(中国科学院大学微电子学院,北京100049)2(中国科学院微电子研究所,北京100029)3
(江苏物联网研究发展中心,江苏无锡214135)
E-mail :congqi 808@https://www.360docs.net/doc/d313497130.html,
摘 要:随着移动互联网的高速发展,移动领域的好友推荐逐渐成为一个热点研究课题.利用传统的互联网好友推荐技术,结合移动互联网特性提高移动领域的好友推荐准确度和用户体验,是该领域一个新的研究方向.基于社交网络图,提出一种基于上下文感知和用户影响力的好友推荐算法,首先根据通信数据计算用户间的通信社交信任度,之后利用用户之间的地理位置数据计算位置信任度,根据两方面的数据得到用户间的综合社交信任度,同时利用PageRank 算法计算好友的影响力因子,最后在优化的社交网络图上的进行好友的推荐评分计算,得出用户的好友推荐列表.搭建了实验环境,利用MIT reality mining 数据集进行算法的功能和性能测试.实验结果表明该算法具有良好的性能,可以有效的提高好友推荐的准确度.关键词:移动互联网;社交网络;好友推荐;上下文感知;图论
中图分类号:TP 393 文献标识码:A 文章编号:1000-1220(2018)01-0023-04
Context-aware Friend Recommendation Algorithm Based on Mobile Network
KONG Cong-cong 1,3,CHEN Shu-dong 1,2
1(School of Microelectronics ,University of the Chinese Academy of Sciences ,Beijing 100049,China )2(Institute of Microelectronics of the Chinese Academy of Sciences ,Beijing 100029,China )3
(Jiangsu Internet of Things Research and Development Center ,Wuxi 214135,China )
Abstract :With the rapid development of mobile Internet ,friends recommend in mobile network gradually become a hot research top-ic.How to use mature Internet recommendation technology ,combined with mobile Internet properties ,to improve the accuracy and user experience of personalized recommendations ,is a new direction in the research field.In this paper ,combining communication data and geographic data in mobile network ,we propose a recommendation algorithm based on context-aware and influential.Firstly ,the com-munication data of mobile device is used to calculate the communication social trust.After that ,data collected by short-range technolo-gy is applied to seize the geographical social trust.And combining the results got from previous procedures ,we get the comprehensive social trust.Then calculating the influence factor by PageRank.Finally the method uses a graph-based algorithm to obtain the friend recommendation lists.In this paper ,we set up the experimental environment ,using MIT reality mining datasets to test the algorithm.Experimental results show that the algorithm has good performance ,can effectively improve the accuracy of recommendations.Key words :mobile internet ;social network ;friend recommendation ;context-aware ;graph theory
1 引 言
随着智能移动设备的逐渐普及和通信技术的不断发展,移动社交网络服务也给用户带来了很大便利,而精准的好友推荐作为社交服务的重要一部分,可以给用户带来更好体验,对用户的行为偏好分析和网络服务推荐具有重要意义.虽然互联网领域的好友推荐技术已经趋于成熟,但是如何全面考虑移动互联网的移动性,实时性以及移动设备的便携性,上下文感知能力等特点,并将之应用到移动好友推荐中,提高推荐精准性和用户体验,成为移动好友推荐研究的重要研究方向.
在好友推荐领域内,传统的互联网领域推荐方法已经有很多,例如文[1]提出的基于协同过滤的好友推荐算法,根据用户兴趣相似度来进行推荐.文献[2]提出了一种基于网络图的朋友推荐方法,分析用户社交网络中的交互数据,设置权重推荐权重评分较高的用户作为好友.但是这些并不能适应
移动互联网的特性.随着移动互联网的发展,移动环境下的上下文数据,例如地理位置,时间,同伴等,也被用于社交关系的挖掘.文献[3]使用链路预测的方法,综合考虑用户的之间的地理位置互动频率和时长,从而判断亲密度.文献[4]考虑时间上下文,利用朴素贝叶斯方法计算不同项目属于不同类别的概率,从而进行移动推荐,该算法只对时间分析,对于环境复杂的移动互联网有较大局限性.文献[5]提出一种基于多维相似度的好友推荐方法,计算时间兴趣等相似度通过差异距离进行评价,然而算法规则较为简单,不能很好发现规律.文献[6]提出一种基于相似度和信任度的关联规则算法STA ,在时间和准确度上做了提升.文献[7]对移动领域好友推荐方面的研究进展进行了综述性介绍,指出上下文信息对提高推荐准确度有重要作用.然而很多方法在移动好友推荐中存在考虑因素单一,无法客观反映现实好友影响因素的不足.
万方数据