基于网络拓扑和地理特征融合的朋友关系预测模型  

Friendship Prediction Based on Fusion of Network Topology and Geographical Features

作　　者：罗惠[1] 郭斌[1] 於志文[1] 王柱[1] 封云[1] 

机构地区：[1]西北工业大学计算机学院,西安710072

出　　处：《计算机科学》2014年第6期43-47,共5页Computer Science

基　　金：国家重点基础研究发展计划(973计划)(2012CB316400);国家自然科学基金(61222209;61103063);教育部"新世纪优秀人才支持计划"(NCET-12-0466);教育部高等学校博士学科点专项科研基金(博导类)(20126102110043);陕西省自然科学基础研究计划项目(2012JQ8028);西北工业大学基础研究基金(JC20110267)资助

摘　　要：朋友关系预测已成为基于位置的社交网络(LBSN)的主要研究方向之一。提出一种基于网络拓扑特征和地理融合的面向LBSN的朋友关系预测方法。首先,利用信息增益评估不同特征对朋友关系的影响,最终选取3种重要特征:用户社交拓扑、用户签到地点类型和用户签到地点。然后,提出基于这3种特征融合的朋友关系预测方法,分别采用随机森林、支持向量机和朴素贝叶斯3种分类算法建模实现朋友关系推理。最后通过Foursquare和街旁的实际签到数据验证了特征选取的有效性和朋友关系预测的准确性。Friendship prediction has become one of the major studies of location based social network （LBSN）.This paper proposed an approach for predicting friendship,which fuses the topology network and geographical features of LBSN.We first adopted the information gain to measure the contribution of different features to human friendship,and chose three key features：user social topology,the category of the location where people check in,and check in points.We then presented the friendship prediction method based on the fusion of the selected features.Three different classification models,including Random Forests,Support Vector Machine （SVM）,and Naive Bayes,were selected to predict human friendship.Experimental results on the real collected data from Foursquare and JiePang verify the efficacy of the selected features and the accuracy of friendship prediction.

关 键 词：基于位置的社交网络 朋友关系预测 信息增益 特征融合 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]