CN107920133A - 一种基于局部网络中三元闭包信息的推荐方法 - Google Patents

一种基于局部网络中三元闭包信息的推荐方法 Download PDF

Info

Publication number
CN107920133A
CN107920133A CN201711321110.8A CN201711321110A CN107920133A CN 107920133 A CN107920133 A CN 107920133A CN 201711321110 A CN201711321110 A CN 201711321110A CN 107920133 A CN107920133 A CN 107920133A
Authority
CN
China
Prior art keywords
node
mrow
msub
network
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711321110.8A
Other languages
English (en)
Inventor
杨旭华
金林波
徐恩平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201711321110.8A priority Critical patent/CN107920133A/zh
Publication of CN107920133A publication Critical patent/CN107920133A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种基于局部网络中三元闭包信息的推荐方法，包括以下步骤：获取真实网络结构信息，建立网络模型G(V，E)；确定目标节点vi，用θi表示所有可能的待推荐连接节点集合；在集合θi中任取一个节点vj，获取节点vi和vj的共同邻居节点集合Ψ(i,j)；在集合Ψ(i,j)中依次选取节点vh，计算节点vh的度kh、节点vh的邻居节点之间的连边个数th；计算节点vi和vj的相似度指标；计算集合θi中所有的节点和vi的相似度指标，取数值最高的三个节点为连接可能性最高的三个节点。本发明有效地提高了链路预测算法的精度。

Description

一种基于局部网络中三元闭包信息的推荐方法
技术领域
本发明涉及网络推荐技术领域，特别是指一种基于局部网络中三元闭包信息的推荐方法。
背景技术
飞速发展的计算机、互联网和web技术改变了人们的生活，人们在虚拟社区中结交好友、在新闻网站中浏览新闻、在视频网站中观看电影、在虚拟图书馆中查阅书籍、在电商平台中购买物品。但是，人们在享受多彩生活的同时也感受到了信息膨胀带来的烦恼，即人们无法在海量数据中快速有效地找到最相关的信息。电影、书籍、网页等信息的数据量动辄以千万级，这些数据信息的增长速度已经远远超过了人类的自然处理能力。在这种大数据的背景下，用户获取所需信息的代价越来越大，仅仅依靠传统人力的方式已经无法评价和选择这些物品。
在这种情况下，有效过滤海量信息的最有吸引力的方法就是推荐系统。它是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖。研究者们提出了多样的推荐算法，其中，基于链路预测的推荐算法受到了广泛关注。
网络中的链路预测是指如何通过已知的网络结构等信息，预测网络中尚未产生连接的两个节点之间产生连接的可能性。网络中的顶点代表用户，边代表用户关系，链路预测问题正是对用户未来关系的分析。
发明内容
为了克服现有的推荐方法的精度较低的不足，本发明通过对网络局部结构信息的研究，提出了一种基于局部网络中三元闭包信息的的链路预测算法，并将该算法应用到推荐系统中，提出了一种有效地提高链路预测算法精度的基于局部网络中三元闭包信息的推荐方法。
本发明解决其技术问题所采用的技术具体步骤是：
一种基于网络局部结构信息过滤的推荐方法，包括以下步骤：
步骤一：获取真实网络结构信息，建立网络模型G(V，E)，V代表网络中的节点，E代表网络中的连边；
步骤二：确定目标节点vi，为节点vi推荐连接可能性最高的节点，用θi表示所有可能的待推荐连接节点集合；
步骤三：在集合θi中任取一个节点vj，获取节点vi和vj的共同邻居节点集合Ψ(i,j)＝Γ(i)∩Γ(j)，其中Γ(i)和Γ(j)分别表示节点vi和vj的邻居节点集合；
步骤四：在集合Ψ(i,j)中任意选取节点vh，计算节点vh的度kh、节点vh的邻居节点之间的连边个数th；
步骤五：计算节点vi和vj的相似度指标
步骤六：对集合θi中所有的节点，重复步骤三到步骤五，计算所有节点和vi的相似度指标，将所有节点按照相应的相似度指标数值从大到小排列，取数值最高的三个节点，这三个节点即为连接可能性最高的三个节点。
本发明的有益效果为：从现实生活中朋友推荐的现象出发，在经典的共同邻居方法的基础上，利用局部网络中的三元闭包信息，有效地提高了链路预测算法的精度。
附图说明
图1为一个网络模型的的局部结构示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1，一种基于网络局部结构信息过滤的推荐方法，包括以下步骤：
步骤一：获取真实网络结构信息，建立网络模型G(V，E)，V代表网络中的节点，E代表网络中的连边，如图1为一个网络模型的局部结构示意图；
步骤二：确定目标节点vi，如图1中的节点①，为节点vi推荐连接可能性最高的节点，用θi表示所有可能的待推荐连接节点集合，如图1中的节点②、节点⑤、节点⑥都属于节点①的待推荐连接节点集合θi；
步骤三：在集合θi中任取一个节点vj，如图1中的节点②，获取节点vi和vj的共同邻居节点集合Ψ(i,j)＝Γ(i)∩Γ(j)，其中Γ(i)和Γ(j)分别表示节点vi和vj的邻居节点集合，如节点①和节点②的共同邻居节点有节点③和节点④；
步骤四：在集合Ψ(i,j)中任意选取节点vh，计算节点vh的度kh、节点vh的邻居节点之间的连边个数th，如节点③的kh＝5，th＝5；
步骤五：计算节点vi和vj的相似度指标
本方法的节点相似度指标所代表的实际意义是两个待计算节点以共同邻居节点为媒介而连接的概率。具体地，分母中“kh·(kh-1)/2”代表所有可能连接个数，th代表已存在的连接个数。
如节点①和节点②的相似度指标为：
步骤六：对集合θi中所有的节点，重复步骤三到步骤五，计算所有节点的相似度指标，将所有节点按照其相似度指标数值从大到小排列，取数值最高的三个节点，这三个节点即为连接可能性最高的三个节点。

Claims (1)

1.一种基于局部网络中三元闭包信息的推荐方法，其特征在于：包括以下步骤：
步骤一：获取真实网络结构信息，建立网络模型G(V，E)，V代表网络中的节点，E代表网络中的连边；
步骤二：确定目标节点vi，为节点vi推荐连接可能性最高的节点，用θi表示所有可能的待推荐连接节点集合；
步骤三：在集合θi中任取一个节点vj，获取节点vi和vj的共同邻居节点集合Ψ(i,j)＝Γ(i)∩Γ(j)，其中Γ(i)和Γ(j)分别表示节点vi和vj的邻居节点集合；
步骤四：在集合Ψ(i,j)中任意选取节点vh，计算节点vh的度kh、节点vh的邻居节点之间的连边个数th；
步骤五：计算节点vi和vj的相似度指标
<mrow> <mi>S</mi> <mi>i</mi> <mi>m</mi> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <msub> <mi>v</mi> <mi>h</mi> </msub> <mo>&amp;Element;</mo> <mi>&amp;Gamma;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>&amp;cap;</mo> <mi>&amp;Gamma;</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </munder> <mfrac> <mn>1</mn> <mrow> <msub> <mi>k</mi> <mi>h</mi> </msub> <mo>&amp;CenterDot;</mo> <mrow> <mo>(</mo> <msub> <mi>k</mi> <mi>h</mi> </msub> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>/</mo> <mn>2</mn> <mo>-</mo> <msub> <mi>t</mi> <mi>h</mi> </msub> </mrow> </mfrac> </mrow>
步骤六：对集合θi中所有的节点，重复步骤三到步骤五，计算所有节点和vi的相似度指标，将所有节点按照相应的相似度指标数值从大到小排列，取数值最高的三个节点，这三个节点即为连接可能性最高的三个节点。
CN201711321110.8A 2017-12-12 2017-12-12 一种基于局部网络中三元闭包信息的推荐方法 Pending CN107920133A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711321110.8A CN107920133A (zh) 2017-12-12 2017-12-12 一种基于局部网络中三元闭包信息的推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711321110.8A CN107920133A (zh) 2017-12-12 2017-12-12 一种基于局部网络中三元闭包信息的推荐方法

Publications (1)

Publication Number Publication Date
CN107920133A true CN107920133A (zh) 2018-04-17

Family

ID=61893119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711321110.8A Pending CN107920133A (zh) 2017-12-12 2017-12-12 一种基于局部网络中三元闭包信息的推荐方法

Country Status (1)

Country Link
CN (1) CN107920133A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110704725A (zh) * 2019-06-27 2020-01-17 重庆大学 一种基于专利的校企合作推荐算法
CN114398291A (zh) * 2022-01-25 2022-04-26 中国电子科技集团公司第十研究所 一种软件回归测试影响域分析方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207884A (zh) * 2012-11-23 2013-07-17 浙江工业大学 一种加权网络间的权重迭代节点匹配方法
US20140229510A1 (en) * 2013-02-12 2014-08-14 National Taiwan University Method of temporal bipartite projection
CN105162654A (zh) * 2015-08-25 2015-12-16 浙江工业大学 一种基于局部社团信息的链路预测方法
CN106295907A (zh) * 2016-08-23 2017-01-04 浙江工业大学 一种基于二阶局部社团信息的预测网络未知连边的方法
CN106817251A (zh) * 2016-12-23 2017-06-09 烟台中科网络技术研究所 一种基于节点相似度的链路预测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207884A (zh) * 2012-11-23 2013-07-17 浙江工业大学 一种加权网络间的权重迭代节点匹配方法
US20140229510A1 (en) * 2013-02-12 2014-08-14 National Taiwan University Method of temporal bipartite projection
CN105162654A (zh) * 2015-08-25 2015-12-16 浙江工业大学 一种基于局部社团信息的链路预测方法
CN106295907A (zh) * 2016-08-23 2017-01-04 浙江工业大学 一种基于二阶局部社团信息的预测网络未知连边的方法
CN106817251A (zh) * 2016-12-23 2017-06-09 烟台中科网络技术研究所 一种基于节点相似度的链路预测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHAO YANG等: "An Improved Link Prediction Algorithm Based on Common Neighbor index with community membership information", 《2016 7TH IEEE INTERNATIONAL CONFERENCE ON SOFTWARE ENGINEERING AND SERVICE SCIENCE（ICSESS）》 *
高杨等: "基于三元闭包的节点相似性链路预测算法", 《计算机科学与探索》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110704725A (zh) * 2019-06-27 2020-01-17 重庆大学 一种基于专利的校企合作推荐算法
CN110704725B (zh) * 2019-06-27 2023-03-21 重庆大学 一种基于专利的校企合作推荐算法
CN114398291A (zh) * 2022-01-25 2022-04-26 中国电子科技集团公司第十研究所 一种软件回归测试影响域分析方法及系统

Similar Documents

Publication Publication Date Title
CN104935963B (zh) 一种基于时序数据挖掘的视频推荐方法
CN102609533B (zh) 一种基于核方法的协同过滤推荐系统及方法
CN103455515B (zh) Sns社区中的用户推荐方法和系统
CN103559197A (zh) 基于上下文预过滤的实时音乐推荐方法
CN101271559A (zh) 一种基于用户局部兴趣挖掘的协作推荐系统
CN103425763B (zh) 基于sns的用户推荐方法及装置
CN104317900A (zh) 一种面向社交网络的多属性协同过滤推荐方法
CN102063433A (zh) 相关项推荐方法和装置
CN103345699A (zh) 一种基于商品森林体系的个性化美食推荐方法
CN104899246A (zh) 基于模糊机制用户评分邻域信息的协同过滤推荐方法
CN107833117A (zh) 一种考虑标签信息的贝叶斯个性化排序推荐方法
CN107657347A (zh) 一种面向群组的旅游推荐方法
CN106033415A (zh) 文本内容推荐方法及装置
CN106250545A (zh) 一种基于用户搜索内容的多媒体推荐方法及系统
CN102456064B (zh) 在社会网络中实现社区发现的方法
CN103632290A (zh) 一种基于推荐概率融合的混合推荐方法
CN105843799A (zh) 一种基于多源异构信息图模型的学术论文标签推荐方法
CN106126586A (zh) 一种基于综合评价信任的社交网络推荐模型构建方法
CN110188268A (zh) 一种基于标签和时间信息的个性化推荐方法
CN110069713A (zh) 一种基于用户上下文感知的个性化推荐方法
CN107920133A (zh) 一种基于局部网络中三元闭包信息的推荐方法
CN113505311A (zh) 一种可根据“潜在语义空间”的旅游景点交互推荐方法
CN102664744A (zh) 网络消息通信中群发推荐的方法
CN108063810A (zh) 一种基于网络局部结构信息过滤的推荐方法
CN104462597B (zh) 一种综合用户正负性评分和评分偏好因子的协同过滤方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180417

RJ01 Rejection of invention patent application after publication