相关河北工程

1、一、选题的目的意义：进入 21 世纪以来，随着个人计算机的迅速普及，网络技术的飞快进步，人类文明进入了以网络作为纽带的信息化社会，人们日常生产生活的方方面面日益与网络紧密相连，社交网络随之应运而生。它建立在计算机硬件和网络技术相互融合的基础之上，与传统书信、电报、等人际交往媒介不同，它以其直观性、及时性、互动性等特点迅速的成为人际交往的主要工具之一，更改变了青年大学生人际交往的模式。然而理工类高校与师范类院校都存在严重的男女比率失调，在这僧多粥少的环境下，在理工学校中的男同胞们与师范类的妹子们，想结识附近学院或学校的异性同学，却苦于没有一个很好的。-在这互联网高速发展的时代是否能结合自己的 G

2、IS 专业开发出一款轻松、愉快的良好的 web 社交，从而使的理工类的男同胞们在身心愉悦的同时，还可以和同校或附近学校的妹子进行交流互动。虽然的生活中也有许多社交工具，但是到目前为止好没有一个很好的社交可以使周围的理工类院校与师范类院校的能够以一个轻松、愉快、有意思的方式进行互动交流。因此，针对这一情况，到了开发一款基于 GIS 开发的 web 应用，主要是以大学生为中心。扩大的交友圈，让的大学生活充满的欢快。二、国内外社交现状社交在全球范围内的轰动效应始于校园，ZuckerbergCompete 公司公开数据显示，截止 09 年 1 月，由 Mark于 2004 年创建的社交仅国内用户数达到

3、 6850 万，全球用户人数已达 1.5 亿，全球活跃用户量已突破 1.75 亿。在我国，国内第一个校园交友校内网在大学生群体中的覆盖率已超过 90%，51 网在 1525 岁年轻人中也有较高的覆盖率，08 年迅速成长的开心网则成为年轻白领多时间就发展了约 1500 万休闲和打发时间的新宠，短短半年用户。社交业务经过短短 5 年的发展，已成为覆盖用户最广、影响最大、人隐私安全最高的 Web 2.0 业务。虽然全球社交存在个、业务应用、用户流失率高等诸多问题，但服务积极通过调整安全机制以及依靠开放来解决业务运营问题。未来，“社交”的理念将逐步渗透、融合至的互联网业务当中，社交也定将成为继搜索引擎

4、业务之后又一改变互联网、改变网民生活的互联网业务。我国电信行业重组的完成以及 3G 牌照的后，市场竞争日趋白热化，激烈市场竞争所导致的用户流失现象日益加剧。为增强用户粘性，我国电信运营商纷纷投身社交业务发展日益纵深的趋势下，社交新业务的重要途径之一。三、研究基本思路和方法：的阵营当中，在电信运营商定将成为未来黏住用户、推广基于社交和的潜在好友方法：好友关系可以归结为交际关系和关系。综合考虑社交和可以有效平衡结果的新颖程度和用户的信任程度。本文用共同好友比例和互动比例两个指标衡量社交网络图中好友关系亲密程度,综合共同好友比例、互动比例和相似度进行评分, 选取分数最高的 Top-k 用户1、共同好

5、友比例给目标用户。在社交网络中, 可以根据现有的社交网络图给用户新的好友, 比如给用户好友的好友(Friend- of-Friend)。基于好友的好友算法可以用来为用户在现实社会中相互熟悉而在当前社交网络中没有联系的其他用户。例如使用人人网时, 经常看到一些久未联系的老同学出现在好友列表中。这种方法的优点是简洁、易实现, 效果明显。但是其缺点也是显而易见的, 如果用户好友人数不够多, 那么无论是为其其他好友或者将其“ 人” 的给其他人都会变得很难。其次是该算法只是关注而忽略了其他, 可能影响所好友的准确性。最简单的好友算法是为用户共同好友数最多的用户。其基本是, 用户之间的共同好友越多, 则他

6、们越可能是好友。由于这种方法受用户好友总数影响较大, 因此通常根据共同好友比例计算相似度来2、互动比例好友。不管人们有多少共同好友, 都无法确定是否会一直与其保持联系。社交倾向于促使用户尽可能多地与别人产生互动, 这样他们就能看到并从中提取信息。如果两个人之间没有互动, 很难称得上朋友, 互联网上也是这样。社交网络中用户之间的互动包括消息、评论、转发和收藏等形式,转发和评论等行为在一定程度上代表着信息对于用户的评论与转发等通常有不同的权重, 为了简化计算, 本和转发取相同权重。1,消息、评论3、社交度根据社交图谱计算用户相似度的传统方法进行改进, 从共同好友和互动情况两方面来表现用户之间的关系

7、亲密程度, 从而计算出目标用户对待用户的社交度, 以此描述目标用户和待用户成为好友的可能性。4、相似度社交网络中用户留下的文字和行为可以反映用户和需求。通常用户可使用自然语言或者主动展示其喜好。这种方法可以获得一些关于用户的信息, 但是其缺点也比较明显, 自然语言理解技术不能很好地理解用户的描述, 而且用户是动态变化的,描述很容易过时, 况且很多时候用户并不知道或者很难用语言描述喜欢什么。因此,需要通过算法自动发掘用户历史行为数据, 以推测用户, 从而满足相似度,的项目。主要计算用户之间的是: 如果用户喜欢相同物品, 则说明具有相似的户曾经评论、转发或者收藏过同样内容可以看作物品, 如果两个用

8、, 则说明他们具有相似的兴趣。此外, 也可以根据用户在社交网络中的发言提取用户的(), 计算用户的相似度。基于的中, 很多时候用户主动标记使用的很少, 这可能是由于用户没有使用的习惯或者用户新近加入或者用户活跃度较低。因此, 通常从用户的内容数据中抽取键词扩展。作为或者是根据之间的相似度做一些关5、综合社交和的好友不同的社交网络中人们的目的和侧重点往往是存在差异的, 因此, 人们通常在不同的社交建立不同的关系网络。例如人人网中的好友通常以同学校友或者熟人为主, 而豆瓣网中的好友却大多因相似而。因此本文先计算交际度和相似度, 然后将二者综合评分, 最终得分最高的 Top-k 位用户。由于只需要计算存在好友关系的用户之间的共同好友比例和互动比例, 因此可以有效提高效率。