您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(理学版)》

J4 ›› 2013, Vol. 48 ›› Issue (11): 73-79.

• 论文 • 上一篇    下一篇

基于信任关系的潜在好友推荐方法

黄亮,杜永萍   

  1. 北京工业大学计算机学院, 北京 100124
  • 收稿日期:2013-09-02 出版日期:2013-11-20 发布日期:2013-11-25
  • 作者简介:黄亮(1988- ),男,硕士研究生,研究方向为信息检索与数据挖掘.Email:lianghuang.439@163.com
  • 基金资助:

    国家自然科学基金资助项目(60803086);国家科技支撑计划子课题项目(2013BAH21B0201);北京市自然科学基金资助项目(4123091);北京市属高等学校人才强教深化计划“中青年骨干人才培养计划”项目(PHR20110815)

The method of latent friend recommendation based on the trust relations

HUANG Liang, DU Yong-ping   

  1. College of Computer Science, Beijing University of Technology, Beijing 100124, China
  • Received:2013-09-02 Online:2013-11-20 Published:2013-11-25

摘要:

如何有效地帮助用户挖掘平台潜在好友成为电子商务中一项非常重要的服务需求。提出了一种综合考虑用户间兴趣因素和信任因素的好友推荐方法,设计并构建了一个包括用户声望信任和局部信任的混合信任网络,将网络中信任评价度与协同过滤中兴趣评分相似度进行组合来衡量用户间好友相似关联,以实现好友推荐。在Epinions数据集上以准确率、召回率和F值作为实验评价指标,对所提方法进行验证,相比其他同类应用准确率在10%~15%、召回率在10%~20%的性能,本文方法的准确率和召回率的最佳性能分别达到22.47%和21.15%,实验证明本文方法有效提高了推荐性能。

关键词: 声望信任;信任计算;好友推荐

Abstract:

E-commerce has greatly changed people′s daily activity and consumption behavior. Mining the potential platform friends effectively has become an important demand for services in the e-commerce. We present an approach for the friend recommendation by the consideration of user interest factors and trust factors. The mixed trust network is designed and built and it contains the authority value and the trust information between the users. In order to achieve personalized friend recommendation, the trust evaluation value and the similarity value based on the interest are combined to measure the association between the users. The experiment on the Epinions dataset is carried  and the  precision, recall and F-value are used as the evaluation metric. Compared to other system of precision 10%~15% and recall 10%~20%,  the best performance of precision 22.47% and recall 21.15%. The results show that the proposed method effectively improves the recommended performance.

Key words: authority trust; trust computing; friend recommendation

中图分类号: 

  • TP391
[1] 刘雅辉1,2,刘春阳3*,张铁赢1,程学旗1. 图索引技术研究综述[J]. J4, 2013, 48(11): 44-52.
[2] 于然1,2,刘春阳3*,靳小龙1,王元卓1,程学旗1. 基于多视角特征融合的中文垃圾微博过滤[J]. J4, 2013, 48(11): 53-58.
[3] 郑建兴,张博锋*,岳晓冬,成泽宇. 基于友邻-用户模型的微博主题推荐研究[J]. J4, 2013, 48(11): 59-65.
[4] 彭庆喜,钱铁云. 基于量化情感的网店垃圾评论检测[J]. J4, 2013, 48(11): 66-72.
[5] 张乃洲1, 曹薇2, 陈珂锐1, 李石君3. 一种基于时间感知的搜索引擎模型[J]. J4, 2013, 48(11): 80-86.
[6] 陈珂锐,潘君. 基于扩展特征向量空间模型的
多源数据融合
[J]. J4, 2013, 48(11): 87-92.
[7] 方志军,刘心韵,伍世虔,郑文娟. 基于子带加权融合的多尺度
Retinex图像增强算法
[J]. J4, 2013, 48(11): 93-98.
[8] 刘伍颖,易绵竹,张兴. 一种时空高效的多类别文本分类算法[J]. J4, 2013, 48(11): 99-104.
[9] 李玉倩 刘林 李金屏. 视频分析中灰度直方图的叠加原理研究[J]. J4, 2009, 44(11): 63-67.
[10] 谢桦 林尚垣 任雪芳. 单向粗关系及数据通讯安全[J]. J4, 2009, 44(9): 93-96.
[11] 许洁萍1,殷宏宇1,范子文2. 基于近似子乐句的翻唱歌曲识别研究[J]. J4, 2013, 48(7): 68-71.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!