曾浩峰
【摘 要】在當(dāng)前社交網(wǎng)絡(luò)平臺中,人們隨著當(dāng)前社會的信息技術(shù)飛速發(fā)展,對其有了更高的服務(wù)要求。為了滿足人們的多樣個性化需求,社交網(wǎng)絡(luò)平臺上的為用戶進行朋友推薦功能是當(dāng)前社交網(wǎng)絡(luò)中個性化的服務(wù)之一。社交網(wǎng)絡(luò)通過每個用戶之間的關(guān)注內(nèi)容以及關(guān)注其他用戶之間是否存在相似的屬性,從而判定兩個用戶之間是否可以稱為朋友。但是由于用戶在使用社交網(wǎng)絡(luò)平臺時注冊的信息基本不夠完善,因此導(dǎo)致朋友推薦的精準(zhǔn)程度不夠。而事實上社交網(wǎng)絡(luò)平臺的用戶可以通過組建多個社交圈,擁有相似社交圈的用戶之間更容易成為好友。因此本文通過分析當(dāng)前社交網(wǎng)絡(luò)的社交圈檢測算法,從而對適用于大規(guī)模社交網(wǎng)絡(luò)用戶的好友推薦方法進行探討,從而滿足社交網(wǎng)絡(luò)用戶的多樣個性化要求。
【關(guān)鍵詞】在線社交網(wǎng)絡(luò);社交圈檢測算法;朋友推薦有效性
一、社交網(wǎng)絡(luò)社交圈的檢測算法
(一)基于好友關(guān)系的社交圈檢測算法
用戶存在于社會,往往擁有著不同的社會角色,面對不同的好友人群,承擔(dān)著不同的絕大,根據(jù)與其他用戶之間不同的人際關(guān)系從而分為多個社交圈。比如親人、同學(xué)、同事等,每個社交圈的用戶在每個圈子里有著親密的社交關(guān)系[1]。通過針對用戶類型的聚集分類從而識別社交圈內(nèi)更加符合人們對社交圈的直觀理解,每個用戶之間存在著密切的關(guān)系,從而形成社交圈,當(dāng)進行社交圈交互聚類時,由于一個內(nèi)容點可以將多個社交圈邊相互連接,從而當(dāng)這些邊不屬于該社交圈子時,那么相應(yīng)的內(nèi)容點也不屬于該社交圈。
由于用戶在社交網(wǎng)絡(luò)平臺中所建立的好友關(guān)系是逐步建立的,因此用戶在某個真實的社交圈中可能會因為好友之間還沒有形成一種緊密的聯(lián)系導(dǎo)致忽略。因此,為了及時的發(fā)現(xiàn)這種隱藏的好友社交圈,我們可以利用“好友之間存在共同關(guān)注內(nèi)容點以及具有一定屬性相似度的用戶可以稱為好友發(fā)展成為特定的社交圈”這一理論,結(jié)合社交網(wǎng)絡(luò)的用戶信息,采用相似性的好友定義,從而把社交網(wǎng)絡(luò)中的各種用戶及社交好友的信息整合,形成一個樹型的結(jié)構(gòu)圖,在此樹狀圖中,社交網(wǎng)絡(luò)的用戶在進行信息注冊的時候,就可以根據(jù)此圖所示進行信息填寫,每一片葉子的節(jié)點代表用戶在自我社交圈內(nèi)至少存在一個人有著共同的相似特征。通過建造特征樹,從中可以將用戶的個人社交圈的特征信息得以利用定量表示,定量的長度以及葉子的數(shù)量相等,當(dāng)用戶具備了某個葉子內(nèi)容點相似的特征時,那么用戶的特征定量值就為1,反之則為0,比如用戶A畢業(yè)與某一所大學(xué),現(xiàn)在在某地工作,那么A的具體特征定量就要表示為:festure(A)=(01001010)。那么在這種情況下證明每個用戶形成的特征樹都是不僅相同的[2]。
因此根據(jù)以上分析,在線社交網(wǎng)絡(luò)的社交圈檢測算法具體步驟由下圖所示(如圖2所示),通過輸入:用戶U的自我社交網(wǎng)絡(luò)G=(V,E);該社交網(wǎng)絡(luò)中的所有內(nèi)容點特征是定量的;平衡參數(shù)為a;相似的內(nèi)容數(shù)值為?尷;邊聚集的系數(shù)值為η;輸出:用戶U的社交圈,SC:
二、在線社交網(wǎng)絡(luò)朋友推薦有效性
(一)云計算模型
云計算模型在當(dāng)前社交網(wǎng)絡(luò)中已經(jīng)解決了很多大規(guī)模數(shù)據(jù)的計算問題,替代了單一的計算機計算能力[3]。在云計算的模型計算中,針對大規(guī)模的數(shù)據(jù)進行計算可以進行MAP以及Reduce的兩個階段。通過對每個階段的鍵值進行輸入,從而得到輸出鍵值,2個基本階段的處理。
(二)好友推薦方法
在社交網(wǎng)絡(luò)平臺中,針對那些潛在的好友可以具體劃分為兩種,分別是用戶所可能認(rèn)識的,以及用戶對其有一定興趣程度的。用戶所可能認(rèn)識的一般是由于在社交網(wǎng)絡(luò)中已經(jīng)存在某種共同的好友關(guān)系從而進行計算得出的可能,也就是如果推薦的用戶與某一種潛在用戶之間具有了一定數(shù)量的共同好友,而兩者之間卻并沒有存在好友關(guān)系,那么就會被選定為推薦用戶與被推薦用戶,兩者之間存在了一定的熟悉程度,而且在生活工作中極有可能是互相認(rèn)識的,那么在這種情況下,用戶就可以于被推薦用戶建立社交網(wǎng)絡(luò)的好友關(guān)系。
用戶對其有一定興趣程度的潛在性好友主要包括了用戶之間針對某一內(nèi)容有統(tǒng)一見解,或者相似度較高,用戶的相似度計算可以在其過程中轉(zhuǎn)化為用戶的Profile文件相似度計算。社交網(wǎng)絡(luò)中的該文件包括了用戶在注冊時所填注的居住地、畢業(yè)院校、教育工作、等一系列個人信息,具有一定層面的真實特性,因此通過對該文件進行相似度計算,從而得到有效的文本相似度計算模型。給目標(biāo)用戶推薦相似度高的被推薦用戶。
(三)潛在推薦用戶的系統(tǒng)框架
根據(jù)以上的推薦要求及方法,設(shè)計了如圖3 所示的潛在好友系統(tǒng)推薦框架圖,在其框架中包含了多個用戶層面,比如應(yīng)用層面、業(yè)務(wù)邏輯層面以及數(shù)據(jù)儲存層面。而應(yīng)用層面主要囊括了用戶對社交網(wǎng)絡(luò)的信息反饋、好友推薦中的用戶可能認(rèn)識的好友以及可能感興趣的 好友等板塊。用戶信息反饋主要是為了采集用戶對好友推薦這一功能的數(shù)據(jù)反饋,選擇或者拒絕或者忽略等選項;用戶可能認(rèn)識的好友是為了給用戶顯示潛在好友的存在,供用戶選擇;用戶可能有一定興趣程度是為了隨機在好友推薦中顯示一定結(jié)果,從而讓用戶保持對社交網(wǎng)絡(luò)好友推薦功能的新鮮感以及個性化需求。
參考文獻:
[1]宋波偉.在線社會網(wǎng)絡(luò)中好友推薦算法研究[D].太原理工大學(xué),2016.
[2]張云璐.基于用戶信息融合的個性化推薦[D].武漢大學(xué),2012.