發(fā)布時間：2019-04-30 19:46

【摘要】：針對基于社區(qū)劃分的潛在好友推薦算法FRCD運行速度慢的問題,提出了一種基于社區(qū)劃分的多線程潛在好友推薦算法MTFRCD。該算法在網(wǎng)絡(luò)拓?fù)鋱D上利用多線程技術(shù)尋找核心關(guān)系子網(wǎng),以核心關(guān)系子網(wǎng)作為標(biāo)簽種子節(jié)點,使用多線程并發(fā)傳播標(biāo)簽來發(fā)現(xiàn)網(wǎng)絡(luò)拓?fù)鋱D上的社區(qū)結(jié)構(gòu),利用社區(qū)發(fā)現(xiàn)結(jié)果在社區(qū)內(nèi)部推薦潛在好友。人工網(wǎng)絡(luò)的實驗結(jié)果表明,MTFRCD相比于傳統(tǒng)的FRCD,在性能近似的前提下具有明顯的速度增長。因此,將該算法應(yīng)用于真實社交網(wǎng)絡(luò)(學(xué)者網(wǎng))平臺的潛在好友挖掘和推薦,根據(jù)推薦結(jié)果的評測,驗證了算法具有良好的推薦效果。
[Abstract]:In order to solve the problem of slow running speed of potential friend recommendation algorithm FRCD based on community partition, a multi-thread potential friend recommendation algorithm MTFRCD. based on community partition is proposed. The algorithm uses multi-thread technology to find the core relation subnet on the network topology diagram, uses the core relation subnet as the label seed node, and uses the multi-thread concurrent propagation label to discover the community structure on the network topology diagram. Using community discovery results to recommend potential friends within the community. The experimental results of artificial network show that compared with the traditional FRCD, MTFRCD has a significant increase in performance under the premise of approximate performance. Therefore, the algorithm is applied to mining and recommending potential friends on the real social network (Scholar Network) platform. Based on the evaluation of the recommendation results, the proposed algorithm is proved to have a good recommendation effect.
【作者單位】： 華南師范大學(xué)計算機學(xué)院;廣東技術(shù)師范學(xué)院計算機科學(xué)學(xué)院;
【基金】：國家“863”計劃資助項目(2013AA01A212) 廣州市科技計劃資助項目(2014J4300033) 2014年廣東省重大科技專項資助項目(2014B010116002) 廣東省自然科學(xué)基金資助項目(2015A030310509) 國家自然科學(xué)基金青年科學(xué)基金資助項目(61502180) 廣東省科技計劃資助項目(2015B010109003,2013B0908000024)
【分類號】：TP393.09;TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應(yīng)用;2006年10期

2 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計算機應(yīng)用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進(jìn)[J];計算機應(yīng)用與軟件;2008年09期

4 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應(yīng)用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術(shù);2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應(yīng)用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(自然科學(xué)版);2011年03期

相關(guān)會議論文 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應(yīng)用技術(shù)交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務(wù)個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：2468976