论文部分内容阅读
【摘 要】在当前社交网络平台中，人们随着当前社会的信息技术飞速发展，对其有了更高的服务要求。为了满足人们的多样个性化需求，社交网络平台上的为用户进行朋友推荐功能是当前社交网络中个性化的服务之一。社交网络通过每个用户之间的关注内容以及关注其他用户之间是否存在相似的属性，从而判定两个用户之间是否可以称为朋友。但是由于用户在使用社交网络平台时注册的信息基本不够完善，因此导致朋友推荐的精准程度不够。而事实上社交网络平台的用户可以通过组建多个社交圈，拥有相似社交圈的用户之间更容易成为好友。因此本文通过分析当前社交网络的社交圈检测算法，从而对适用于大规模社交网络用户的好友推荐方法进行探讨，从而满足社交网络用户的多样个性化要求。
【关键词】在线社交网络；社交圈检测算法；朋友推荐有效性
一、社交网络社交圈的检测算法
（一）基于好友关系的社交圈检测算法
用户存在于社会，往往拥有着不同的社会角色，面对不同的好友人群，承担着不同的绝大，根据与其他用户之间不同的人际关系从而分为多个社交圈。比如亲人、同学、同事等，每个社交圈的用户在每个圈子里有着亲密的社交关系[1]。通过针对用户类型的聚集分类从而识别社交圈内更加符合人們对社交圈的直观理解，每个用户之间存在着密切的关系，从而形成社交圈，当进行社交圈交互聚类时，由于一个内容点可以将多个社交圈边相互连接，从而当这些边不属于该社交圈子时，那么相应的内容点也不属于该社交圈。
由于用户在社交网络平台中所建立的好友关系是逐步建立的，因此用户在某个真实的社交圈中可能会因为好友之间还没有形成一种紧密的联系导致忽略。因此，为了及时的发现这种隐藏的好友社交圈，我们可以利用“好友之间存在共同关注内容点以及具有一定属性相似度的用户可以称为好友发展成为特定的社交圈”这一理论，结合社交网络的用户信息，采用相似性的好友定义，从而把社交网络中的各种用户及社交好友的信息整合，形成一个树型的结构图，在此树状图中，社交网络的用户在进行信息注册的时候，就可以根据此图所示进行信息填写，每一片叶子的节点代表用户在自我社交圈内至少存在一个人有着共同的相似特征。通过建造特征树，从中可以将用户的个人社交圈的特征信息得以利用定量表示，定量的长度以及叶子的数量相等，当用户具备了某个叶子内容点相似的特征时，那么用户的特征定量值就为1，反之则为0，比如用户A毕业与某一所大学，现在在某地工作，那么A的具体特征定量就要表示为：festure（A）=（01001010）。那么在这种情况下证明每个用户形成的特征树都是不仅相同的[2]。
因此根据以上分析，在线社交网络的社交圈检测算法具体步骤由下图所示（如图2所示），通过输入：用户U的自我社交网络G=（V，E）；该社交网络中的所有内容点特征是定量的；平衡参数为a；相似的内容数值为？尴；边聚集的系数值为η；输出：用户U的社交圈，SC：
二、在线社交网络朋友推荐有效性
（一）云计算模型
云计算模型在当前社交网络中已经解决了很多大规模数据的计算问题，替代了单一的计算机计算能力[3]。在云计算的模型计算中，针对大规模的数据进行计算可以进行MAP以及Reduce的两个阶段。通过对每个阶段的键值进行输入，从而得到输出键值，2个基本阶段的处理。
（二）好友推荐方法
在社交网络平台中，针对那些潜在的好友可以具体划分为两种，分别是用户所可能认识的，以及用户对其有一定兴趣程度的。用户所可能认识的一般是由于在社交网络中已经存在某种共同的好友关系从而进行计算得出的可能，也就是如果推荐的用户与某一种潜在用户之间具有了一定数量的共同好友，而两者之间却并没有存在好友关系，那么就会被选定为推荐用户与被推荐用户，两者之间存在了一定的熟悉程度，而且在生活工作中极有可能是互相认识的，那么在这种情况下，用户就可以于被推荐用户建立社交网络的好友关系。
用户对其有一定兴趣程度的潜在性好友主要包括了用户之间针对某一内容有统一见解，或者相似度较高，用户的相似度计算可以在其过程中转化为用户的Profile文件相似度计算。社交网络中的该文件包括了用户在注册时所填注的居住地、毕业院校、教育工作、等一系列个人信息，具有一定层面的真实特性，因此通过对该文件进行相似度计算，从而得到有效的文本相似度计算模型。给目标用户推荐相似度高的被推荐用户。
（三）潜在推荐用户的系统框架
根据以上的推荐要求及方法，设计了如图3 所示的潜在好友系统推荐框架图，在其框架中包含了多个用户层面，比如应用层面、业务逻辑层面以及数据储存层面。而应用层面主要囊括了用户对社交网络的信息反馈、好友推荐中的用户可能认识的好友以及可能感兴趣的 好友等板块。用户信息反馈主要是为了采集用户对好友推荐这一功能的数据反馈，选择或者拒绝或者忽略等选项；用户可能认识的好友是为了给用户显示潜在好友的存在，供用户选择；用户可能有一定兴趣程度是为了随机在好友推荐中显示一定结果，从而让用户保持对社交网络好友推荐功能的新鲜感以及个性化需求。
参考文献：
[1]宋波伟.在线社会网络中好友推荐算法研究[D].太原理工大学，2016.
[2]张云璐.基于用户信息融合的个性化推荐[D].武汉大学，2012.
【关键词】在线社交网络；社交圈检测算法；朋友推荐有效性
一、社交网络社交圈的检测算法
（一）基于好友关系的社交圈检测算法
用户存在于社会，往往拥有着不同的社会角色，面对不同的好友人群，承担着不同的绝大，根据与其他用户之间不同的人际关系从而分为多个社交圈。比如亲人、同学、同事等，每个社交圈的用户在每个圈子里有着亲密的社交关系[1]。通过针对用户类型的聚集分类从而识别社交圈内更加符合人們对社交圈的直观理解，每个用户之间存在着密切的关系，从而形成社交圈，当进行社交圈交互聚类时，由于一个内容点可以将多个社交圈边相互连接，从而当这些边不属于该社交圈子时，那么相应的内容点也不属于该社交圈。
由于用户在社交网络平台中所建立的好友关系是逐步建立的，因此用户在某个真实的社交圈中可能会因为好友之间还没有形成一种紧密的联系导致忽略。因此，为了及时的发现这种隐藏的好友社交圈，我们可以利用“好友之间存在共同关注内容点以及具有一定属性相似度的用户可以称为好友发展成为特定的社交圈”这一理论，结合社交网络的用户信息，采用相似性的好友定义，从而把社交网络中的各种用户及社交好友的信息整合，形成一个树型的结构图，在此树状图中，社交网络的用户在进行信息注册的时候，就可以根据此图所示进行信息填写，每一片叶子的节点代表用户在自我社交圈内至少存在一个人有着共同的相似特征。通过建造特征树，从中可以将用户的个人社交圈的特征信息得以利用定量表示，定量的长度以及叶子的数量相等，当用户具备了某个叶子内容点相似的特征时，那么用户的特征定量值就为1，反之则为0，比如用户A毕业与某一所大学，现在在某地工作，那么A的具体特征定量就要表示为：festure（A）=（01001010）。那么在这种情况下证明每个用户形成的特征树都是不仅相同的[2]。
因此根据以上分析，在线社交网络的社交圈检测算法具体步骤由下图所示（如图2所示），通过输入：用户U的自我社交网络G=（V，E）；该社交网络中的所有内容点特征是定量的；平衡参数为a；相似的内容数值为？尴；边聚集的系数值为η；输出：用户U的社交圈，SC：
二、在线社交网络朋友推荐有效性
（一）云计算模型
云计算模型在当前社交网络中已经解决了很多大规模数据的计算问题，替代了单一的计算机计算能力[3]。在云计算的模型计算中，针对大规模的数据进行计算可以进行MAP以及Reduce的两个阶段。通过对每个阶段的键值进行输入，从而得到输出键值，2个基本阶段的处理。
（二）好友推荐方法
在社交网络平台中，针对那些潜在的好友可以具体划分为两种，分别是用户所可能认识的，以及用户对其有一定兴趣程度的。用户所可能认识的一般是由于在社交网络中已经存在某种共同的好友关系从而进行计算得出的可能，也就是如果推荐的用户与某一种潜在用户之间具有了一定数量的共同好友，而两者之间却并没有存在好友关系，那么就会被选定为推荐用户与被推荐用户，两者之间存在了一定的熟悉程度，而且在生活工作中极有可能是互相认识的，那么在这种情况下，用户就可以于被推荐用户建立社交网络的好友关系。
用户对其有一定兴趣程度的潜在性好友主要包括了用户之间针对某一内容有统一见解，或者相似度较高，用户的相似度计算可以在其过程中转化为用户的Profile文件相似度计算。社交网络中的该文件包括了用户在注册时所填注的居住地、毕业院校、教育工作、等一系列个人信息，具有一定层面的真实特性，因此通过对该文件进行相似度计算，从而得到有效的文本相似度计算模型。给目标用户推荐相似度高的被推荐用户。
（三）潜在推荐用户的系统框架
根据以上的推荐要求及方法，设计了如图3 所示的潜在好友系统推荐框架图，在其框架中包含了多个用户层面，比如应用层面、业务逻辑层面以及数据储存层面。而应用层面主要囊括了用户对社交网络的信息反馈、好友推荐中的用户可能认识的好友以及可能感兴趣的 好友等板块。用户信息反馈主要是为了采集用户对好友推荐这一功能的数据反馈，选择或者拒绝或者忽略等选项；用户可能认识的好友是为了给用户显示潜在好友的存在，供用户选择；用户可能有一定兴趣程度是为了随机在好友推荐中显示一定结果，从而让用户保持对社交网络好友推荐功能的新鲜感以及个性化需求。
参考文献：
[1]宋波伟.在线社会网络中好友推荐算法研究[D].太原理工大学，2016.
[2]张云璐.基于用户信息融合的个性化推荐[D].武汉大学，2012.