社交网络中基于分类属性的好友推荐
2015，51（12）1引言好友关系是社会化网站的重要组成部分。如果好友数量太小，就无法让该用户在社交网络中拥有良好的社会化体验。好友推荐的目的是根据现有的好友和用户最近的行为记录，给该用户推荐新的好友，或者向用户推荐其好友们喜爱的商品。由此产生的好友推荐算法，在社交网络上被称为连接预测（link prediction ）。那么，如何度量社交网络中人和人之间的关系，也就是连接预测，使得其更合理地包含大量有价值的参考
信息，达到更加个性化的精准的推荐，就成为了社交网络中值得研究的问题之一。
社交网络中的好友推荐通常基于相似性，故基于关系相似性的分类是好友推荐的基础，这在技术上带来了三个方面的挑战：
（1）由于每个用户所包含的属性范围广、差异大，在
需要找到不同属性之间具有的共性时，还需考虑其特社交网络中基于分类属性的好友推荐
过云燕，王宏志，张玮奇
GUO Yunyan,WANG Hongzhi,ZHANG Weiqi
哈尔滨工业大学计算机科学与技术学院，哈尔滨150001
School of Computer Science and Technology,Harbin Institute of Technology,Harbin 150001,China
GUO Yunyan,WANG Hongzhi,ZHANG Weiqi.Friends recommendation of social network based on https://www.wendangku.net/doc/2b48036.html,puter Engineering and Applications,2015,51（12）：99-106.
Abstract ：Social network recommends friends according to the information of the users.This problem brings technical challenges.Current technologies cannot solve this problem effectively.Facing the challenges,this paper proposes a recom-mendation algorithm based on the classification of properties.It analyzes the contributions of different types of properties to users ’behavior by machine learning and classifies the types of results.Based on the classifications,it proves the algo-rithm can find more relevant friends or the merchandise which are more likely to arouse users ’interest so as to acquire the classification as well as the degree of closeness between users and their friends more correctly,rapidly and comprehen-sively.This paper validates the effectiveness and the efficiency of proposed algorithms with extensive experiments.Key words ：friend recommendation;property classification;object similarity
摘要：社交网络经常通过掌握的用户信息来对其进行好友推荐。这种好友推荐带来了技术挑战，现有的好友推荐技术并不能有效解决该问题。为了应对这种技术挑战，拟提出基于分类属性的好友推荐算法。通过机器学习的手段，分析出不同类型的属性对用户行为的贡献度不同，将其进行分类处理。基于该分类，提出的算法可以在掌握用户基本资料以及近期行为的基础上，搜索出与之相关性更强的好友或能够引发其兴趣点的商品，用来快速、准确、全面地得到用户与其好友之间亲疏程度排序及分类的结果。实验结果证明了所提出方法的有效性及高效率。关键词：好友推荐；属性分类；对象相似性
文献标志码：A 中图分类号：TP311doi ：10.3778/j.issn.1002-8331.1308-0184
?数据库、数据挖掘、机器学习?
基金项目：国家重点基础研究发展计划（No.2012CB316200）；国家自然科学基金（No.61003046，No.61111130189，No.60933001）；
国家高技术研究发展计划（863）（No.2012AA011004）；国家博士后基金（No.20090450126，No.201003447）；教育部博士
点基金（No.20102302120054）。
作者简介：过云燕（1991—），女，研究领域为社交网络，数据库；王宏志（1978—），男，副教授，博士生导师，研究领域为数据质量、
大数据管理、图数据管理、Web 数据管理等；张玮奇（1992—），女，研究领域为机器学习。E-mail ：guoyunyanhit@https://www.wendangku.net/doc/2b48036.html,
收稿日期：2013-08-15修回日期：2013-11-25文章编号：1002-8331（2015）12-0099-08
CNKI 网络优先出版：2015-02-11,https://www.wendangku.net/doc/2b48036.html,/kcms/detail/11.2127.tp.20150211.1039.028.html Computer Engineering and Applications 计算机工程与应用
99