|本期目录/Table of Contents|

[1]董　辉,盛　魁,张继美.一种基于社交网络友情度的个性化推荐算法[J].武汉工程大学学报,2018,40(04):455-461.[doi:10. 3969/j. issn. 1674?2869. 2018. 04. 021]
　DONG Hui,SHENG Kui,ZHANG Jimei.A Personalized Recommender Algorithm Based on Friendship Degree in Social Network[J].Journal of Wuhan Institute of Technology,2018,40(04):455-461.[doi:10. 3969/j. issn. 1674?2869. 2018. 04. 021]
点击复制

一种基于社交网络友情度的个性化推荐算法(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
40
期数:
2018年04期
页码:
455-461
栏目:
机电与信息工程
出版日期:
2018-08-23

文章信息/Info

Title:
A Personalized Recommender Algorithm Based on Friendship Degree in Social Network
文章编号:
20180421
作者:
董　辉; 盛　魁; 张继美

亳州职业技术学院，安徽 亳州 236800
Author(s):
DONG Hui;  SHENG Kui;  ZHANG Jimei

Bozhou Vocational and Technical College， Bozhou 236000， China
关键词:
社交网络; 协同过滤; 相似度; 个性化推荐; 友情度
Keywords:
social network;  collaborative filtering;  similarity;  personalized recommendation;  degree of friendship
分类号:
TP391
DOI:
10. 3969/j. issn. 1674?2869. 2018. 04. 021
文献标志码:
A
摘要:

针对社交网络服务中传统个性化推荐系统的推荐性能和满意度低的问题，在分析社交网络服务中影响个性化推荐各种因素的基础上，引入社交网络用户关系亲密度度量方式——友情度及其三要素，并给出它们的计算方法。研究大型社交数据的用户主题兴趣和各类相似度，设计了一种基于友情度的个性化推荐系统，以提高社交大数据复杂环境下推荐精度及质量，提高用户对推荐结果的满意度。通过实验分析证实了所提出个性化推荐系统比基于PCC和JMSD算法等传统推荐系统的性能更优越，且推荐结果质量要高。最后给出了未来的研究方向。
Abstract:

In view of the low recommendation performance and satisfaction of the traditional personalized recommendation system（PRS） in social network services（SNS）， this paper introduces metrics of SNS users relationship intimacy， including the degree of friendship and its three factors?， and gives their algorithms based on the analysis of various factors that influence personalized recommendation in SNS. A PRS based on the degree of friendship?was designed to improve the accuracy and quality of recommendations in the complex environment of social big data， based on investigating the user’s interest topics of social big data and calculating various similarities.?Through experimental analysis， it was verified that the proposed method was superior to the traditional PRS based on?Pearson correlation coefficient?and Jaccard?mean squared difference.

参考文献/References:


［1］　胡长军，许文文，胡颖，等. 在线社交网络信息传播研究综述［J］. 电子与信息学报，2017，39（4）：794-803. ［2］　陈婉，朱世杰. 基于数据挖掘的社交网络信息推荐与预测方法研究［J］. 内蒙古师范大学学报（自然科学汉文版），2018，47（2）：128-130. ［3］　冷亚军，陆青，梁昌勇. 协同过滤推荐技术研究综述［J］. 模式识别与人工智能，2014，27（8）：720-734. ［4］　叶卫根，宋威. 融合信任用户间接影响的个性化推荐算法［J］. 计算机工程与科学，2016，38（12）：2579-2586. ［5］　陈婷， 朱青， 周梦溪，等. 社交网络环境下基于信任的推荐算法［J］. 软件学报，2017，28（3）：721-731. ［6］　潘一腾，何发智，于海平. 一种基于信任关系隐含相似度的社会化推荐算法［J］. 计算机学报，2018，41（1）：65-79. ［7］　JING L， ZECHAO L， JINH T， et al. Personalized geo-specific tag recommendation for photos on social websites［J］. IEEE Transactions on Multimedia， 2014，16（3）： 588-600. ［8］　赵亚辉，刘瑞. 基于评论的隐式社交关系在推荐系统中的应用［J］. 计算机应用研究，2016，33（6）：1628-1632. ［9］　CHEN L ， XIE R N，LI L，et al. PRemiSE： personalized news recommendation via implicit social experts［J］. Acm International Conference on Information & Knowledge Management，2012，254（1）：1607- 1611. ［10］　王妍，唐杰. 基于深度学习的论文个性化推荐算法［J］. 中文信息学报，2018，32（4）：119. ［11］　张朝恒，何小卫，陈勇兵. 基于社交网络信息的协同过滤推荐算法［J］. 计算机技术与发展，2017，27（12）：28-34. ［12］　刘海峰. 电子商务中基于信任关系的商品推荐方法［D］. 大连：大连理工大学，2015. ［13］　SANDRASERVIA-RODR?GUEZ， REBECAP. D?AZ- REDONDO ，ANAFERN?NDEZ-VILAS， et al. A tie strength based to socially enhance applications and its enabling implementation： My socialSphere［J］. Expert Systems with Applications， 2014，41（5）：2582-2594. ［14］　李慧，马小平，施珺，等. 结合信任度与社会网络关系分析的微博推荐方法研究［J］. 中文信息学报，2017，31（2）：146-153. ［15］　王永，邓江洲. 基于KL散度的用户相似性协同过滤算法［J］. 北京邮电大学学报，2017，40（2）：110-114. ［16］　刘学艺，李平，郜传厚. 极限学习机的快速留一交叉验证算法［J］. 上海交通大学学报，2011，45（8）：1140-1145.

相似文献/References:

备注/Memo

备注/Memo:

收稿日期：2018-06-13基金项目：安徽省高校自然科学研究重点项目（KJ2018A0887，KJ2016A493，KJ2015A417，KJ2014A171）；安徽省高校振兴计划优秀青年人才支持计划项目（gxyqZD2016529）；安徽省亳州市科技创新团队项目 （亳组［2014］21号）；安徽省亳州市产业创新团队项目（亳组［2015］20号-2）作者简介：董　辉，男，硕士，副教授。E-mail：dhstars@163.com。引文格式：董辉，盛魁，张继美. 一种基于社交网络友情度的个性化推荐算法［J］. 武汉工程大学学报，2018，40（4）：455-461.
更新日期/Last Update: 2018-08-16