一种基于二部图和节点角色划分的社交网络推荐方案

肖云鹏; 刘瀚松; 刘宴兵

doi:10.3969/j.issn.0372-2112.2017.10.016

您当前的位置：

首页 >

文章列表页 >

一种基于二部图和节点角色划分的社交网络推荐方案

学术论文 | 更新时间：2025-07-16

- 一种基于二部图和节点角色划分的社交网络推荐方案
- A Social Network Recommendation Scheme Based on Bipartite Graph and Node Role Division
- 电子学报 2017年45卷第10期页码：2425-2433
- 作者机构：
  
  重庆邮电大学网络与信息安全技术重庆市工程实验室,重庆,400065
- 作者简介：
- 基金信息：
  
  国家973重点基础研究发展计划 (No.2013CB329606）;国家自然科学基金 (No.61272400）;重庆市青年人才项目 (No.cstc2013kjrc-qnrc40004）;教育部-中国移动研究基金 (No.MCM20130351）;重庆市研究生研究与创新项目 (No.CYS14146）;重庆市教委科学计划项目 (No.KJ1500425）;重庆邮电大学文峰基金 (No.WF201403）
- DOI：10.3969/j.issn.0372-2112.2017.10.016
  中图分类号： TP393
- 纸质出版：2017
- 稿件说明：
移动端阅览
肖云鹏, 刘瀚松, 刘宴兵. 一种基于二部图和节点角色划分的社交网络推荐方案[J]. 电子学报, 2017,45(10):2425-2433.

XIAO Yun-peng, LIU Han-song, LIU Yan-bing. A Social Network Recommendation Scheme Based on Bipartite Graph and Node Role Division[J]. Acta Electronica Sinica, 2017, 45(10): 2425-2433.
肖云鹏, 刘瀚松, 刘宴兵. 一种基于二部图和节点角色划分的社交网络推荐方案[J]. 电子学报, 2017,45(10):2425-2433. DOI： 10.3969/j.issn.0372-2112.2017.10.016.

XIAO Yun-peng, LIU Han-song, LIU Yan-bing. A Social Network Recommendation Scheme Based on Bipartite Graph and Node Role Division[J]. Acta Electronica Sinica, 2017, 45(10): 2425-2433. DOI： 10.3969/j.issn.0372-2112.2017.10.016.

摘要

针对现有社交网络用户推荐方案中大规模网络个体相似性计算复杂度高以及个体节点无差异对待的问题，本文提出一种基于二部图和节点角色划分的推荐方案.首先，通过划分重叠群体简化原生社交网络结构，并进一步构建群体-个体二部图模型；其次，通过群体-个体二部图所反映的拓扑特征，结合节点自身属性特征，对个体进行角色划分，提出一种基于群体-个体二部图的角色划分模型；最后，针对大规模网络中计算个体相似性复杂度高的问题，构建基于角色差异下的个体-个体二部图模型，实现层次化、个性化的推荐.实验表明，该方案适用于对社交网络中兴趣广泛度存在差异的个体间进行好友推荐，并在较小规模的二部图上生成目标个体推荐列表，降低了计算个体相似性的复杂度.

Abstract

In the view of the high complexity about similarity calculation and the indifference about individual nodes

a social network recommendation scheme based on bipartite graph and node role division is presented in this study.Firstly

the native social network structure is simplified by dividing overlapping groups.Furthermore

the bipartite graph model of group and individual is given.Secondly

the role division model is proposed by combining topological features of bipartite graph with node attributes.Finally

in order to resolve high computational complexity

the individual bipartite graph model is constructed based on user role difference.The model implements a hierarchical and personalized recommendation.Experiments show that the scheme can effectively recommend among social users who have different interests.In addition

the complexity of individual similarity computation is reduced because the target individual recommendation list is generated based on small scale bipartite graph.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于0-1背包算法的社交网络行为隐写术

基于社区划分与连边逆序放回的网络分解算法

一种社交网络群组间信息推荐的有效方法

Beta在线匹配

面向中文微博的评价对象与评价词语联合抽取