基于PPIN的社交网络推荐系统

张 琳 张 进

(南京邮电大学计算机学院, 南京 210003)

基于PPIN的社交网络推荐系统

张 琳 张 进

(南京邮电大学计算机学院, 南京 210003)

为了提升海量数据下社交网络推荐系统的性能,将传统聚类方法与蛋白质网络的新特性相结合,提出了一种竞争-抑制节点模型(CINM).该模型将数据的整个处理流程分为节点重构、膜外聚类、膜内聚类及内容推荐4个部分,分别完成数据预处理、数据清洗、精度匹配与数据输出.在数据预处理过程中,通过矩阵运算,将复杂多维数据集构成的用户信息转换成结构化定量数据,并产生数据摘要.数据清理通过判断竞争值来获取用户的特征数据.在精度匹配阶段,基于蛋白质相互作用网络的相似性匹配原理获取相似性最大的一组值,并结合与用户相关联的数据项进行最终内容或关系的推荐.实验结果表明,CINM模型可以通过数据预处理和特征值竞争抑制机制较好地完成数据过滤,从而提高数据处理效率并提升最终推荐结果的精确性.

社交网络;蛋白质相互作用网络;聚类;推荐系统;大数据

随着互联网的发展,社交网络呈现出飞速发展的态势,社交网络的服务形态也随之发生着急剧变化.现在的网络呈现出一种综合发展的态势,网络中各个领域不再相互独立地存在,而社交网络作为人类社会关系在网络中的再重现更是整合了各种数据资源,包含了各种联接关系.新的发展对社交网络的服务也提出了新的要……