社交网络中基于图排序的好友推荐机制研究与实现(郑佳佳)

分类号： TP391.1 单位代码：10335

学号：20821043

硕士学位论文

论文题目社交网络中基于图排序的

好友推荐机制研究与实现作者姓名郑佳佳

指导教师王强副教授

学科(专业) 计算机软件与理论__

所在学院计算机科学与技术学院

提交日期2011年1月

A Dissertation Submitted to Zhejiang

University for the Degree of

Master of Engineering

TITLE:Friends Recommendation Based on

Graph Ranking on Social Network Site Author: Jiajia Zheng

Supervisor: Associate Professor Qiang Wang Subject: Computer Software and Theory College: College of Computer Science

Submitted Date: 2011-01

浙江大学研究生学位论文独创性声明

本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得浙江大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。

学位论文作者签名：签字日期：年月日

学位论文版权使用授权书

本学位论文作者完全了解浙江大学有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江大学可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。

（保密的学位论文在解密后适用本授权书）

学位论文作者签名：导师签名：

签字日期：年月日签字日期：年月日

浙江大学硕士学位论文摘要

摘要

随着web2.0技术的蓬勃发展，全球互联网进入了SNS时代。各种不同的SNS 网站不断涌现，如Facebook，twitter，Myspace，Flickr等。在这类网站上，用户可以添加其他用户为好友。对于一个用户，特别是新加入的用户，添加哪些用户为自己的好友成了一个困难的问题。社交网站中好友推荐系统就是针对这一难题而出现的。

本文深刻分析了社交网络上好友推荐机制，研究了热点好友推荐和个性化好友推荐两类问题。

在热点好友推荐部分，我们提出了社交网络中用户的行为模式，从用户档案的创建、内容创建和关系建立三方面来描述用户的行为模式。其次，我们提出了社交网络中网页访问模型。在此基础上，我们设计了一个评价指标来衡量用户的热点度，热点度高的用户被推荐为热点好友的概率大。最后，通过实验，分析了Flickr网站上用户的信息传播贡献值，即热点度的分布。实验发现，热点度的分布成幂分布型。这一结果表明，大多数用户拥有比较小的热点度，只有少部分用户拥有比较大的热点度。

在个性化好友推荐部分，本文将三种算法用于个性化好友推荐问题，三个算法分别是naive算法、Personalized PageRank算法、基于图的多类关联对象降维算法。通过实验分析三个算法在好友推荐中的效果，实验结果表明多类关联对象的降维算法要优于前两种方法。这主要是由于多类关联对象的降维算法利用了更多的用户信息。

关键词：社交网络，信息传播贡献值，热点好友推荐，个性化好友推荐

i

浙江大学硕士学位论文Abstract

Abstract

With the rapid development of web2.0 technology, the global Internet goes into the SNS era. A variety of SNS sites are emerging, such as Facebook, twitter, Myspace, Flickr and so on. In these sites, users can add other users as friends. For a user, in particular, a new user, how to find friends for him becomes a difficult problem. Friends recommendation system is the emergence of this problem on social networking sites.

In this dissertation, we analyze friends recommendation mechanism, and propose two sets of issues: hot friends recommendation and personalized friends recommendation.

In hot friends recommendation section, we propose the concept of user's behavior patterns in social networking sites. Firstly, we describe the user behavior patterns from three aspects: the user profile creation, content creation and relationship building. Secondly, we propose a model of social network siting surfering. And, we design an evaluation indicators to measure the user's hot degree. Hot users are recommended with high probability. Finally, we analyze the distribution of the users' information propagation contribution in the experiment. It was found that the distribution of hot degree is the power-law distribution. The results show that most users have relatively small hot degree, and only a few users have the relatively large hot degree.

In personalized friends recommendation part, we use three algorithms for personalized friends recommendation problem. The three algorithms inlcude the naive algorithm, Personalized PageRank algorithm, and Multi-type Interrelated Objects Embedding(MIOE) algorithm. We anaysize the effect of friends recommendation of three algorithms in experiments. The experimental results show that MIOE algorithm is better than the first two methods. This is mainly because MIOE can use more user information.

Keywords：social network site, information propagation contribution, hot friends recommendation, personalized friends recommendation

ii