公开(公告)号：CN114201690B

公开(公告)日：2025-04-22

申请号：CN202111544505.0

申请日：2021-12-16

Applicant: 安徽大学

Inventor： 张磊 ,  张华彬 ,  李斌 ,  张吴忌

IPC: G06F16/9536 ,  G06F18/25 ,  G06F18/22 ,  G06Q50/00

Abstract: 本发明公开了一种融合社团信息和局部信息的社交网络好友预测方法，包括以下步骤：利用社团检测算法对社交网络进行预处理，得到网络的社团结构；通过利用社团信息对用户之间的边进行加权，更精确的反映用户之间的关系；k层概率传播；计算用户相似度矩阵；用户节点相似度排序。该方法利用概率传播方法预测用户与用户之间的相似度，并且通过用户之间的社团信息进一步提升预测的准确性。本发明通过设计k层概率传播考虑更多的局部信息，利用用户社团信息考虑了用户不同的邻居对其影响不同的问题，从而能够更好的预测用户之间的相似度，实现预测效果的有效提升。

公开(公告)号：CN114201690A

公开(公告)日：2022-03-18

申请号：CN202111544505.0

申请日：2021-12-16

Applicant: 安徽大学

Inventor： 张磊 ,  张华彬 ,  李斌 ,  张吴忌

IPC: G06F16/9536 ,  G06K9/62 ,  G06Q50/00

Abstract: 本发明公开了一种融合社团信息和局部信息的社交网络好友预测方法，包括以下步骤：利用社团检测算法对社交网络进行预处理，得到网络的社团结构；通过利用社团信息对用户之间的边进行加权，更精确的反映用户之间的关系；k层概率传播；计算用户相似度矩阵；用户节点相似度排序。该方法利用概率传播方法预测用户与用户之间的相似度，并且通过用户之间的社团信息进一步提升预测的准确性。本发明通过设计k层概率传播考虑更多的局部信息，利用用户社团信息考虑了用户不同的邻居对其影响不同的问题，从而能够更好的预测用户之间的相似度，实现预测效果的有效提升。