共查询到10条相似文献，搜索用时 31 毫秒
1.
【目的】利用社交网络中用户的好友和历史行为,为用户推荐潜在的好友。【方法】通过共同好友比例和互动比例两个指标衡量社交网络图中好友关系亲密程度,综合社交兴趣度和兴趣相似度进行评分,选取分数最高的Top-k用户推荐给目标用户。【结果】实验结果表明,相比传统方法,本文方法在准确率和召回率上均有显著提升。【局限】互动行为中的非正常情况未识别和处理,可能影响推荐结果准确率。【结论】考虑互动比例等多因素的好友推荐方法较传统单一角度方法有更好的效果。 相似文献
2.
互联网用户可以在计算机前轻轻点击鼠标来完成相对于现实生活中复杂的互动交友活动,个性化好友推荐系统通过基于内容推荐、协同过滤推荐、聚类推荐三种策略来帮助用户建立网状复杂的人际关系,最终提高用户对于本类社交网站的忠诚度。本文将通过详细分析新浪微博、腾讯QQ和人人网三大社交网站来具体分析个性化好友推荐系统的优缺点。 相似文献
3.
4.
5.
6.
针对在线社交网络朋友推荐问题,尝试融合多个社会网络为一个混合图模型,采用基于混合图模型的重启动随机游走算法,为用户提供个性化的朋友推荐,并通过参数调节多个网络的权重。实验表明,该算法提高了在线社交网络朋友推荐的准确性。 相似文献
7.
通过对社交网络所产生的海量用户以及数据的挖掘与分析,判断用户不同的特征与喜好,从而为用户定制个性化知识服务,达到用户的需求,增强其对产品与服务的使用黏性,这不仅满足了企业的商业目的,同时也提高了用户的满意度。论文在深入了解我国社交网络的运营模式、分析社交网络中用户行为特征的前提下,提出从用户兴趣模型出发的个性化知识服务,并建立了基于个人兴趣和兴趣传播推荐的个性化知识服务模型。 相似文献
8.
9.
10.
[目的/意义]针对某些包含多级用户和多级资源的异质网络,在总结其各种异质模态的基础上提出一种多维度推荐框架MDRM,向目标用户进行好友和资源的推荐。[方法/过程]通过对用户、资源划分等级,在分析各种网络模态的基础上建立其异质关系;利用情感倾向分析得到二级用户——二级资源评分矩阵,借助协同过滤算法,实现同级用户和二级资源的推荐;基于异质关系,实现一级用户和一级资源的推荐,最终实现多维度推荐。[结果/结论]在以豆瓣网数据作为数据集的实验中取得了较好的效果,说明MDRM模型适合某些异质网络资源的推荐。 相似文献