基于分类算法的潜在好友推荐系统

提出了一种基于分类算法的潜在好友推荐系统.该系统采用两步特征方法处理原始数据集,去除不相关特征项和冗余特征项,为分类器提供精简的特征集合;把学者潜在好友推荐问题转化为二分类问题,对比4个常用分类器在两步特征选择方法上的分类效果,找出了推荐效果最佳的分类器(决策树分类器),同时得到学术社交网络中区分度最大的6个用户特征信息.使用来自学术社交网络学者网(SCHOLAT)的社交网络信息作为实验原始数据集进行测试,实验结果显示:相比传统方法,基于分类的推荐方法在准确率和F1值均有显著提升,体现了基于分类算法的潜在好友推荐系统的准确性和实用价值.

国家自然科学基金项目(61772211); 广东省科技计划项目(2016B010124008,2014B010116002,2013B090800024); 华南师范大学研究生创新资助项目(61272067);

潜在好友推荐; 特征选择; 分类器; 社交网络; Relief算法; 学者网;

TP391.3

17124-1285202K
在线咨询 用户反馈