你是否喜欢我所喜欢的？基于邻近性的移动社交网络中的相似度估计
社会与信息网络
2019-06-10 v2 数据结构与算法
摘要
尽管现有的社交网络服务倾向于连接彼此认识的人，但人们也表现出与物理邻近的陌生人建立连接的意愿。现有研究表明，人们倾向于与相似的人建立连接。为利用技术促进陌生人之间的人际互动，我们考虑两个陌生人相遇的场景。以音乐品味的相似性为例，我们针对基于邻近性的移动社交网络中的相似度估计问题开发了一种解决方案。我们表明，两个设备之间单次交换概率数据结构即可紧密估计两名用户的相似度——无需联系第三方服务器。我们引入了用于快速且空间高效地近似两个多重集的 Dice 系数的度量——基于两个 Counting Bloom Filter 或两个 Count-Min Sketch 的比较。我们的分析表明，在比较这些概率数据结构时，使用单一哈希函数可使误差最小。应为数据结构选择的大小取决于预期的独特输入元素平均数量。利用真实用户数据，我们表明，具有单一哈希函数且长度为 128 的 Counting Bloom Filter 足以准确估计代表两名用户音乐品味的两个多重集之间的相似度。我们的方法可推广到表示为多重集的频率的任何其他相似度估计。
引用
@article{arxiv.1805.07651,
title = {Do You Like What I Like? Similarity Estimation in Proximity-based Mobile Social Networks},
author = {Felix Beierle},
journal= {arXiv preprint arXiv:1805.07651},
year = {2019}
}
备注
Accepted for publication at the 17th IEEE International Conference on Trust, Security and Privacy in Computing and Communications (IEEE TrustCom 2018)