利用直接与间接信息进行 ZingMe 好友推荐
社会与信息网络
2013-11-18 v1 信息检索
物理与社会
摘要
好友推荐是社交网络中的一个基本问题，旨在协助用户建立更多关系，从而提升用户对社交网络的兴趣。该问题通常被视为网络中的链路预测问题。ZingMe 是越南最大的社交网络之一。在本文中，我们分析了 ZingMe 当前的好友推荐方法，指出了其局限性和缺点。我们提出了一种新的高效好友推荐方法，该方法利用网络结构、用户属性及交互信息来创建资源，以评估用户间的好友连接。好友连接的评估既利用了用户间的直接通信，也利用了网络中其他用户的信息。所提出的方法已在 ZingMe 的新系统版本中实施。我们利用源自 ZingMe 用户实际使用情况的数据集进行了实验，将新提出的方法与当前方法及一些知名方法在好友推荐准确率方面进行了比较。实验结果表明，新提出的方法优于当前方法，即好友推荐准确率平均提高了 7% 至 98%。对于好友数量较少的用户，该方法也优于其他方法，平均改进幅度为 20% 至 85%。此外，本文还讨论了该方法存在的一些开放性问题及可能的改进方向。
引用
@article{arxiv.1311.3732,
title = {Exploiting Direct and Indirect Information for Friend Suggestion in ZingMe},
author = {Kien Duy Nguyen and Tuan Pham Minh and Quang Nhat Nguyen and Thanh Trung Nguyen},
journal= {arXiv preprint arXiv:1311.3732},
year = {2013}
}
备注
NIPS workshop, 9 pages, 4 figures