曾浩峰

【摘 要】在當(dāng)前社交網(wǎng)絡(luò)平臺(tái)中，人們隨著當(dāng)前社會(huì)的信息技術(shù)飛速發(fā)展，對(duì)其有了更高的服務(wù)要求。為了滿足人們的多樣個(gè)性化需求，社交網(wǎng)絡(luò)平臺(tái)上的為用戶進(jìn)行朋友推薦功能是當(dāng)前社交網(wǎng)絡(luò)中個(gè)性化的服務(wù)之一。社交網(wǎng)絡(luò)通過(guò)每個(gè)用戶之間的關(guān)注內(nèi)容以及關(guān)注其他用戶之間是否存在相似的屬性，從而判定兩個(gè)用戶之間是否可以稱為朋友。但是由于用戶在使用社交網(wǎng)絡(luò)平臺(tái)時(shí)注冊(cè)的信息基本不夠完善，因此導(dǎo)致朋友推薦的精準(zhǔn)程度不夠。而事實(shí)上社交網(wǎng)絡(luò)平臺(tái)的用戶可以通過(guò)組建多個(gè)社交圈，擁有相似社交圈的用戶之間更容易成為好友。因此本文通過(guò)分析當(dāng)前社交網(wǎng)絡(luò)的社交圈檢測(cè)算法，從而對(duì)適用于大規(guī)模社交網(wǎng)絡(luò)用戶的好友推薦方法進(jìn)行探討，從而滿足社交網(wǎng)絡(luò)用戶的多樣個(gè)性化要求。

【關(guān)鍵詞】在線社交網(wǎng)絡(luò)；社交圈檢測(cè)算法；朋友推薦有效性

一、社交網(wǎng)絡(luò)社交圈的檢測(cè)算法

（一）基于好友關(guān)系的社交圈檢測(cè)算法

用戶存在于社會(huì)，往往擁有著不同的社會(huì)角色，面對(duì)不同的好友人群，承擔(dān)著不同的絕大，根據(jù)與其他用戶之間不同的人際關(guān)系從而分為多個(gè)社交圈。比如親人、同學(xué)、同事等，每個(gè)社交圈的用戶在每個(gè)圈子里有著親密的社交關(guān)系[1]。通過(guò)針對(duì)用戶類型的聚集分類從而識(shí)別社交圈內(nèi)更加符合人們對(duì)社交圈的直觀理解，每個(gè)用戶之間存在著密切的關(guān)系，從而形成社交圈，當(dāng)進(jìn)行社交圈交互聚類時(shí)，由于一個(gè)內(nèi)容點(diǎn)可以將多個(gè)社交圈邊相互連接，從而當(dāng)這些邊不屬于該社交圈子時(shí)，那么相應(yīng)的內(nèi)容點(diǎn)也不屬于該社交圈。

由于用戶在社交網(wǎng)絡(luò)平臺(tái)中所建立的好友關(guān)系是逐步建立的，因此用戶在某個(gè)真實(shí)的社交圈中可能會(huì)因?yàn)楹糜阎g還沒(méi)有形成一種緊密的聯(lián)系導(dǎo)致忽略。因此，為了及時(shí)的發(fā)現(xiàn)這種隱藏的好友社交圈，我們可以利用“好友之間存在共同關(guān)注內(nèi)容點(diǎn)以及具有一定屬性相似度的用戶可以稱為好友發(fā)展成為特定的社交圈”這一理論，結(jié)合社交網(wǎng)絡(luò)的用戶信息，采用相似性的好友定義，從而把社交網(wǎng)絡(luò)中的各種用戶及社交好友的信息整合，形成一個(gè)樹型的結(jié)構(gòu)圖，在此樹狀圖中，社交網(wǎng)絡(luò)的用戶在進(jìn)行信息注冊(cè)的時(shí)候，就可以根據(jù)此圖所示進(jìn)行信息填寫，每一片葉子的節(jié)點(diǎn)代表用戶在自我社交圈內(nèi)至少存在一個(gè)人有著共同的相似特征。通過(guò)建造特征樹，從中可以將用戶的個(gè)人社交圈的特征信息得以利用定量表示，定量的長(zhǎng)度以及葉子的數(shù)量相等，當(dāng)用戶具備了某個(gè)葉子內(nèi)容點(diǎn)相似的特征時(shí)，那么用戶的特征定量值就為1，反之則為0，比如用戶A畢業(yè)與某一所大學(xué)，現(xiàn)在在某地工作，那么A的具體特征定量就要表示為：festure（A）=（01001010）。那么在這種情況下證明每個(gè)用戶形成的特征樹都是不僅相同的[2]。

因此根據(jù)以上分析，在線社交網(wǎng)絡(luò)的社交圈檢測(cè)算法具體步驟由下圖所示（如圖2所示），通過(guò)輸入：用戶U的自我社交網(wǎng)絡(luò)G=（V，E）；該社交網(wǎng)絡(luò)中的所有內(nèi)容點(diǎn)特征是定量的；平衡參數(shù)為a；相似的內(nèi)容數(shù)值為？尷；邊聚集的系數(shù)值為η；輸出：用戶U的社交圈，SC：

二、在線社交網(wǎng)絡(luò)朋友推薦有效性

（一）云計(jì)算模型

云計(jì)算模型在當(dāng)前社交網(wǎng)絡(luò)中已經(jīng)解決了很多大規(guī)模數(shù)據(jù)的計(jì)算問(wèn)題，替代了單一的計(jì)算機(jī)計(jì)算能力[3]。在云計(jì)算的模型計(jì)算中，針對(duì)大規(guī)模的數(shù)據(jù)進(jìn)行計(jì)算可以進(jìn)行MAP以及Reduce的兩個(gè)階段。通過(guò)對(duì)每個(gè)階段的鍵值進(jìn)行輸入，從而得到輸出鍵值，2個(gè)基本階段的處理。

（二）好友推薦方法

在社交網(wǎng)絡(luò)平臺(tái)中，針對(duì)那些潛在的好友可以具體劃分為兩種，分別是用戶所可能認(rèn)識(shí)的，以及用戶對(duì)其有一定興趣程度的。用戶所可能認(rèn)識(shí)的一般是由于在社交網(wǎng)絡(luò)中已經(jīng)存在某種共同的好友關(guān)系從而進(jìn)行計(jì)算得出的可能，也就是如果推薦的用戶與某一種潛在用戶之間具有了一定數(shù)量的共同好友，而兩者之間卻并沒(méi)有存在好友關(guān)系，那么就會(huì)被選定為推薦用戶與被推薦用戶，兩者之間存在了一定的熟悉程度，而且在生活工作中極有可能是互相認(rèn)識(shí)的，那么在這種情況下，用戶就可以于被推薦用戶建立社交網(wǎng)絡(luò)的好友關(guān)系。

用戶對(duì)其有一定興趣程度的潛在性好友主要包括了用戶之間針對(duì)某一內(nèi)容有統(tǒng)一見解，或者相似度較高，用戶的相似度計(jì)算可以在其過(guò)程中轉(zhuǎn)化為用戶的Profile文件相似度計(jì)算。社交網(wǎng)絡(luò)中的該文件包括了用戶在注冊(cè)時(shí)所填注的居住地、畢業(yè)院校、教育工作、等一系列個(gè)人信息，具有一定層面的真實(shí)特性，因此通過(guò)對(duì)該文件進(jìn)行相似度計(jì)算，從而得到有效的文本相似度計(jì)算模型。給目標(biāo)用戶推薦相似度高的被推薦用戶。

（三）潛在推薦用戶的系統(tǒng)框架

根據(jù)以上的推薦要求及方法，設(shè)計(jì)了如圖3 所示的潛在好友系統(tǒng)推薦框架圖，在其框架中包含了多個(gè)用戶層面，比如應(yīng)用層面、業(yè)務(wù)邏輯層面以及數(shù)據(jù)儲(chǔ)存層面。而應(yīng)用層面主要囊括了用戶對(duì)社交網(wǎng)絡(luò)的信息反饋、好友推薦中的用戶可能認(rèn)識(shí)的好友以及可能感興趣的 好友等板塊。用戶信息反饋主要是為了采集用戶對(duì)好友推薦這一功能的數(shù)據(jù)反饋，選擇或者拒絕或者忽略等選項(xiàng)；用戶可能認(rèn)識(shí)的好友是為了給用戶顯示潛在好友的存在，供用戶選擇；用戶可能有一定興趣程度是為了隨機(jī)在好友推薦中顯示一定結(jié)果，從而讓用戶保持對(duì)社交網(wǎng)絡(luò)好友推薦功能的新鮮感以及個(gè)性化需求。

參考文獻(xiàn)：

[1]宋波偉.在線社會(huì)網(wǎng)絡(luò)中好友推薦算法研究[D].太原理工大學(xué)，2016.

[2]張?jiān)畦?基于用戶信息融合的個(gè)性化推薦[D].武漢大學(xué)，2012.