基于三度影響力理論的好友推薦算法
大?。?/span>0.67 MB 人氣： 2018-01-07 需要積分：2
標簽：推薦算法(9953)
針對社交網(wǎng)絡中的好友推薦問題，提出了一種基于三度影響力理論的好友推薦算法。社交網(wǎng)絡用戶節(jié)點間的聯(lián)系除了共同好友外，還存在其他不同長度的連通關系。該算法不再局限于僅以用戶間共同好友的數(shù)量作為好友推薦的主要依據(jù)，而是在此基礎上引入三度影響力理論進一步拓展關系連接，即把用戶間距離三度以內(nèi)的強連接用戶都考慮進來，并通過為不同距離長度的連通關系分配相應的權(quán)重，實現(xiàn)好友關系強度的計算，來進行推薦。通過在新浪微博和Facebook社交網(wǎng)站上的實驗結(jié)果表明，該算法比僅依據(jù)用戶間共同好友數(shù)量的推薦算法在查準率和查全率上分別提高了約5%和0. 8%，顯著提升了社交平臺好友推薦的效果，從而為社交平臺改進推薦機制，以進一步增強用戶體驗提供了理論支撐。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于三度影響力理論的好友推薦算法下載
相關電子資料下載
- TikTok將開發(fā)獨立版推薦算法，以滿足美國用戶需求？ 426
- 快手的短視頻推薦算法（1） 782
- 詳解推薦算法的架構(gòu)流程 2871
- 《麻省理工科技評論》發(fā)布了最新的2021年10大突破性技術的概念 2814
- top-N推薦算法評測的影響有哪些？ 1846
- 基于賽靈思FPGA的廣告推薦算法Wide and deep硬件加速案例 2775
- 互聯(lián)網(wǎng)廣告推薦迎來變革，雪湖科技聯(lián)合賽靈思發(fā)布推薦算法解決方案 1614
- 基于阿里云FPGA云的廣告推薦算法加速器 985
- 基于深度學習的推薦算法大部分都存在不同程度的數(shù)據(jù)集缺失和源碼缺失 3690
- 基于標簽的推薦算法應用場景、基于標簽的推薦算法原理介紹 16714