針對社交網(wǎng)絡(luò)中的好友推薦,我們一般通過運(yùn)用算法和構(gòu)建模型來計(jì)算和預(yù)測社交網(wǎng)絡(luò)中用戶之間的隱藏鏈接關(guān)系,并通過將這種鏈接緊密度進(jìn)行降序排列,為社交網(wǎng)絡(luò)用戶推薦他們感興趣的或可能認(rèn)識的朋友,并引導(dǎo)他們建立新的好友關(guān)系。已有的社交網(wǎng)絡(luò)中好友推薦方法為我們提供了多種考量用戶關(guān)系的思路,其中研究最為廣泛的是基于用戶興趣偏好的方法,此外還包括基于用戶社會(huì)影響力的方法、基于用戶社會(huì)關(guān)系的方法、基于好友信任度的方法、基于用戶行為的方法和基于地理位置的方法等等。鏈路預(yù)測是復(fù)雜網(wǎng)絡(luò)環(huán)境下預(yù)測兩個(gè)節(jié)點(diǎn)之間產(chǎn)生鏈接的可能性的方法,目前已有研究中較多的是將鏈路預(yù)測思想與博客、微博等傳統(tǒng)社交網(wǎng)絡(luò)聯(lián)系起來,而較少將其與微信這種去中心化的新型社交網(wǎng)絡(luò)平臺相結(jié)合。因此,本文采取這一新視角,利用鏈路預(yù)測與微信用戶節(jié)點(diǎn)之間的關(guān)系進(jìn)行好友推薦研究。本文在對微信的系統(tǒng)框架、功能結(jié)構(gòu)設(shè)計(jì)、用戶的層次關(guān)系進(jìn)行分析的基礎(chǔ)上,將微信用戶的個(gè)人主頁、朋友圈、好友分組狀況等攜帶的信息和標(biāo)簽進(jìn)行聚類和初步排序。然后引入鏈路預(yù)測的思想和方法,將微信用戶及用戶關(guān)系分別看作節(jié)點(diǎn)和連邊,結(jié)合鏈路預(yù)測算法中的節(jié)點(diǎn)相似度和節(jié)點(diǎn)影響力兩個(gè)特征,同時(shí)借助模... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景
    1.2 研究綜述
        1.2.1 一些基本的好友推薦研究現(xiàn)狀
        1.2.2 基于好友信任度的好友推薦
        1.2.3 基于用戶社會(huì)關(guān)系的好友推薦
        1.2.4 綜合多種因素的好友推薦
    1.3 研究意義
        1.3.1 理論意義
        1.3.2 實(shí)踐意義
    1.4 研究創(chuàng)新點(diǎn)
    1.5 研究方法
    1.6 研究框架及思路
2 相關(guān)理論基礎(chǔ)
    2.1 微信用戶行為理論
        2.1.1 微信使用者及傳播者理論
        2.1.2 微信用戶分享行為理論
    2.2 鏈路預(yù)測理論基礎(chǔ)
        2.2.1 鏈路預(yù)測的問題描述及基本原理
        2.2.2 鏈路預(yù)測的常用方法
            2.2.2.1 基于共同鄰居的方法
            2.2.2.2 基于節(jié)點(diǎn)相似性的方法
            2.2.2.3 基于最大似然估計(jì)的方法
            2.2.2.4 基于路徑和分類的方法
            2.2.2.5 基于概率模型和線性代數(shù)方法
            2.2.2.6 基于節(jié)點(diǎn)影響力的方法
        2.2.3 鏈路預(yù)測的應(yīng)用領(lǐng)域及發(fā)展方向
    2.3 社交網(wǎng)絡(luò)推薦理論基礎(chǔ)
        2.3.1 基于用戶興趣相似度的推薦
        2.3.2 基于用戶關(guān)系強(qiáng)度的推薦
    2.4 TOPSIS模型理論
3 微信用戶數(shù)據(jù)分析及聚類處理
    3.1 微信框架分析及系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
        3.1.1 微信的概念和對象
        3.1.2 微信的獨(dú)特性
        3.1.3 微信用戶信息的層次關(guān)系
        3.1.4 微信的總體功能結(jié)構(gòu)設(shè)計(jì)及模塊功能設(shè)計(jì)
    3.2 微信用戶個(gè)人信息初步聚類的實(shí)現(xiàn)方式
        3.2.1 微信用戶標(biāo)簽的聚類分析及處理
            3.2.1.1 微信用戶標(biāo)簽的生成
            3.2.1.2 微信用戶標(biāo)簽的聚類分析及處理
        3.2.2 微信用戶個(gè)人主頁資料的聚類分析及處理
        3.2.3 微信用戶朋友圈信息的聚類分析及處理
            3.2.3.1 微信朋友圈用戶信息指標(biāo)的構(gòu)建
            3.2.3.2 用戶朋友圈信息的聚類分析及處理
        3.2.4 微信用戶好友分組管理狀況的聚類分析及處理
4 基于鏈路預(yù)測的微信好友推薦模型及方法
    4.1 基于微信好友的鏈路預(yù)測可行性分析
    4.2 微信好友推薦模型及推薦方案
        4.2.1 微信用戶初步排序
        4.2.2 微信用戶節(jié)點(diǎn)分析及連邊
        4.2.3 算法框架及參數(shù)設(shè)置
        4.2.4 基于微信用戶的鏈路預(yù)測推薦模型的構(gòu)建
            4.2.4.1 計(jì)算節(jié)點(diǎn)相似性的算法
            4.2.4.2 挖掘重要節(jié)點(diǎn)的算法
            4.2.4.3 基于影響因素和相似度的鏈路預(yù)測微信好友推薦算法
5 實(shí)驗(yàn)及結(jié)果
    5.1 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備
        5.1.1 微信用戶朋友圈數(shù)據(jù)獲取
        5.1.2 微信用戶朋友圈數(shù)據(jù)集構(gòu)建
    5.2 實(shí)驗(yàn)測試過程
        5.2.1 實(shí)驗(yàn)環(huán)境
        5.2.2 數(shù)據(jù)集
        5.2.3 評價(jià)指標(biāo)
        5.2.4 實(shí)驗(yàn)對比算法
        5.2.5 實(shí)驗(yàn)比較過程
    5.3 實(shí)驗(yàn)結(jié)果分析
        5.3.1 相似度算法對比分析
        5.3.2 算法整體實(shí)驗(yàn)結(jié)果分析
6 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 不足及展望
參考文獻(xiàn)
致謝



本文編號：3185260