面向大规模社交网络的潜在好友推荐方法

被引：8

作者：

贺超波 ^{[1
,2
]}

汤庸 ^{[2
]}

陈国华 ^{[2
]}

刘海 ^{[2
]}

吴琳琳 ^{[2
]}

机构：

[1] 仲恺农业工程学院信息科学与技术学院

[2] 华南师范大学计算机学院

来源：

合肥工业大学学报(自然科学版) | 2013年 / 36卷 / 04期

基金：

广东省自然科学基金;

关键词：

好友推荐; 社交网络; 文本相似度; MapReduce云计算模型;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

有效的潜在好友推荐是促进社交网络不断增长的重要途径,对于大规模社交网络环境下的复杂计算问题,文章提出了一种适用于大规模社交网络的潜在好友推荐方法,该方法首先将用户的潜在好友划分为"可能认识的"和"可能感兴趣的"2类,然后分别基于用户共同好友关系拓扑图和Profile文本相似性计算模型进行描述,最后基于MapReduce云计算模型对相关方法进行了设计实现。探讨了云计算环境下的潜在好友推荐系统框架设计、大规模用户共同好友关系拓扑图以及Profile文本相似性计算的方法,并通过实验以及应用实例验证了该方法的有效性以及可扩展性。

引用

页码：420 / 424

页数：5

共 7 条

[1] 基于MapReduce的Skyline-join查询算法 [J].

孙大烈 ;

李建中 .

哈尔滨工业大学学报, 2012, 44 (01) :103-106

[2] 基于混合图的在线社交网络朋友推荐算法 [J].

俞琰 ;

邱广华 ;

陈爱萍 .

现代图书情报技术, 2011, (11) :54-59

[3] 基于SNS社交网络的增长模型 [J].

钱大千 ;

张晓东 .

合肥工业大学学报(自然科学版), 2010, 33 (08) :1264-1267

[4] 基于MapReduce的封闭立方体并行计算方法 [J].

奚建清 ;

游进国 ;

汤德佑 ;

肖伟吉 .

华南理工大学学报(自然科学版), 2009, 37 (01) :91-95+112

[5]

MapReduce[J] . Jeffrey Dean,Sanjay Ghemawat.Communications of the ACM . 2010 (1)

[6]

MapReduce[J] . Jeffrey Dean,Sanjay Ghemawat.Communications of the ACM . 2008 (1)

[7]

A comparison of join al-gorithms for log processing in MaPreduce .2 Spyros B,Jignesh M,Vuk E,et al. Proceed-ings of the 2010ACM SIGMOD International Conferenceon Management of Data . 2010

← 1 →