论文部分内容阅读
基于共邻用户属性的社会关系推荐算法是社会网络分析关系预测领域的热点研究方向。提出了一种基于隐朴素贝叶斯（hidden nave Bayesian，HNB）模型的用户关系推荐算法。该算法通过分析属性之间的依赖性对问题建模，从中度量共邻用户之间关系对推荐用户对之间的贡献和影响，然后对所有候选推荐关系计算其相似度并进行排序，并把模型推广到CN、AA和RA三种关系推荐算法中。在真实网络数据集上的实验结果表明，所提出的算法比目前的基准方法和朴素贝叶斯方法具有更高的AUC值。此外，算法能够发现具备不同拓扑结构属性的