%0 Journal Article %A 陈洁敏 %A 李建国 %A 汤非易 %A 汤庸 %A 陈笑凡 %A 唐婷芳 %T 融合“用户-项目-用户兴趣标签图”的协同好友推荐算法 %D 2018 %R 10.3778/j.issn.1673-9418.1611021 %J 计算机科学与探索 %P 92-100 %V 12 %N 1 %X 随着社交网络的用户数量呈爆炸式增长,如何为用户推荐具有相同兴趣爱好的好友已成为当前研究的焦点。为此,提出了一种基于“用户-项目-用户兴趣标签图”的协同好友推荐算法。该算法首先利用基于“用户-项目-标签”的三部图物质扩散推荐算法来计算用户之间的相似度,并引入“用户-用户兴趣标签图”二元关系,通过用户的兴趣标签图来发掘用户的兴趣主题;然后根据用户主题分布,利用KL距离来计算用户之间的相似度;最后将两组结果采用调和平均数方式融合得到用户间的综合相似度,并进行好友的推荐。通过在Delicious和Last.fm数据集上的实验证明,该算法能有效提高Top-N推荐的准确率和召回率,同时通过在学术社交网站——学者网数据集上进行的学者推荐实验表明,该算法能有效提高核心用户的推荐度。 %U http://fcst.ceaj.org/CN/10.3778/j.issn.1673-9418.1611021