留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于分类算法的潜在好友推荐系统

丁蕊 汤庸 曾伟铨 常超

丁蕊, 汤庸, 曾伟铨, 常超. 基于分类算法的潜在好友推荐系统[J]. 华南师范大学学报(自然科学版), 2017, 49(6): 124-128. doi: 10.6054/j.jscnun.2017169
引用本文: 丁蕊, 汤庸, 曾伟铨, 常超. 基于分类算法的潜在好友推荐系统[J]. 华南师范大学学报(自然科学版), 2017, 49(6): 124-128. doi: 10.6054/j.jscnun.2017169
A Potential Friend Recommendation System Based on Classification Algorithm[J]. Journal of South China normal University (Natural Science Edition), 2017, 49(6): 124-128. doi: 10.6054/j.jscnun.2017169
Citation: A Potential Friend Recommendation System Based on Classification Algorithm[J]. Journal of South China normal University (Natural Science Edition), 2017, 49(6): 124-128. doi: 10.6054/j.jscnun.2017169

基于分类算法的潜在好友推荐系统

doi: 10.6054/j.jscnun.2017169
基金项目: 

国家自然科学基金项目;广东省科技计划项目;华南师范大学研究生创新资助项目

详细信息
    通讯作者:

    丁蕊

  • 中图分类号: P315.69

A Potential Friend Recommendation System Based on Classification Algorithm

Funds: 

the National Natural Science Foundation of China;the Scientific Research Foundation of Graduate School of South China Normal University

  • 摘要: 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,并找出推荐效果最佳的分类器(决策树分类器),同时得出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.
  • 加载中
计量
  • 文章访问数:  1679
  • HTML全文浏览量:  114
  • PDF下载量:  167
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-12-28
  • 修回日期:  2017-05-16
  • 刊出日期:  2017-12-25

目录

    /

    返回文章
    返回