相關(guān)河北工程

1、一、選題的目的意義：進(jìn)入 21 世紀(jì)以來，隨著個(gè)人計(jì)算機(jī)的迅速普及，網(wǎng)絡(luò)技術(shù)的飛快進(jìn)步，人類文明進(jìn)入了以網(wǎng)絡(luò)作為紐帶的信息化社會(huì)，人們?nèi)粘Ｉa(chǎn)生活的方方面面日益與網(wǎng)絡(luò)緊密相連，社交網(wǎng)絡(luò)隨之應(yīng)運(yùn)而生。它建立在計(jì)算機(jī)硬件和網(wǎng)絡(luò)技術(shù)相互融合的基礎(chǔ)之上，與傳統(tǒng)書信、電報(bào)、等人際交往媒介不同，它以其直觀性、及時(shí)性、互動(dòng)性等特點(diǎn)迅速的成為人際交往的主要工具之一，更改變了青年大學(xué)生人際交往的模式。然而理工類高校與師范類院校都存在嚴(yán)重的男女比率失調(diào)，在這僧多粥少的環(huán)境下，在理工學(xué)校中的男同胞們與師范類的妹子們，想結(jié)識(shí)附近學(xué)院或?qū)W校的異性同學(xué)，卻苦于沒有一個(gè)很好的。-在這互聯(lián)網(wǎng)高速發(fā)展的時(shí)代是否能結(jié)合自己的 G

2、IS 專業(yè)開發(fā)出一款輕松、愉快的良好的 web 社交，從而使的理工類的男同胞們?cè)谏硇挠鋹偟耐瑫r(shí)，還可以和同校或附近學(xué)校的妹子進(jìn)行交流互動(dòng)。雖然的生活中也有許多社交工具，但是到目前為止好沒有一個(gè)很好的社交可以使周圍的理工類院校與師范類院校的能夠以一個(gè)輕松、愉快、有意思的方式進(jìn)行互動(dòng)交流。因此，針對(duì)這一情況，到了開發(fā)一款基于 GIS 開發(fā)的 web 應(yīng)用，主要是以大學(xué)生為中心。擴(kuò)大的交友圈，讓的大學(xué)生活充滿的歡快。二、國內(nèi)外社交現(xiàn)狀社交在全球范圍內(nèi)的轟動(dòng)效應(yīng)始于校園，ZuckerbergCompete 公司公開數(shù)據(jù)顯示，截止 09 年 1 月，由 Mark于 2004 年創(chuàng)建的社交僅國內(nèi)用戶數(shù)達(dá)到

3、 6850 萬，全球用戶人數(shù)已達(dá) 1.5 億，全球活躍用戶量已突破 1.75 億。在我國，國內(nèi)第一個(gè)校園交友校內(nèi)網(wǎng)在大學(xué)生群體中的覆蓋率已超過 90%，51 網(wǎng)在 1525 歲年輕人中也有較高的覆蓋率，08 年迅速成長的開心網(wǎng)則成為年輕白領(lǐng)多時(shí)間就發(fā)展了約 1500 萬休閑和打發(fā)時(shí)間的新寵，短短半年用戶。社交業(yè)務(wù)經(jīng)過短短 5 年的發(fā)展，已成為覆蓋用戶最廣、影響最大、人隱私安全最高的 Web 2.0 業(yè)務(wù)。雖然全球社交存在個(gè)、業(yè)務(wù)應(yīng)用、用戶流失率高等諸多問題，但服務(wù)積極通過調(diào)整安全機(jī)制以及依靠開放來解決業(yè)務(wù)運(yùn)營問題。未來，“社交”的理念將逐步滲透、融合至的互聯(lián)網(wǎng)業(yè)務(wù)當(dāng)中，社交也定將成為繼搜索引擎

4、業(yè)務(wù)之后又一改變互聯(lián)網(wǎng)、改變網(wǎng)民生活的互聯(lián)網(wǎng)業(yè)務(wù)。我國電信行業(yè)重組的完成以及 3G 牌照的后，市場競爭日趨白熱化，激烈市場競爭所導(dǎo)致的用戶流失現(xiàn)象日益加劇。為增強(qiáng)用戶粘性，我國電信運(yùn)營商紛紛投身社交業(yè)務(wù)發(fā)展日益縱深的趨勢下，社交新業(yè)務(wù)的重要途徑之一。三、研究基本思路和方法：的陣營當(dāng)中，在電信運(yùn)營商定將成為未來黏住用戶、推廣基于社交和的潛在好友方法：好友關(guān)系可以歸結(jié)為交際關(guān)系和關(guān)系。綜合考慮社交和可以有效平衡結(jié)果的新穎程度和用戶的信任程度。本文用共同好友比例和互動(dòng)比例兩個(gè)指標(biāo)衡量社交網(wǎng)絡(luò)圖中好友關(guān)系親密程度,綜合共同好友比例、互動(dòng)比例和相似度進(jìn)行評(píng)分, 選取分?jǐn)?shù)最高的 Top-k 用戶1、共同好

5、友比例給目標(biāo)用戶。在社交網(wǎng)絡(luò)中, 可以根據(jù)現(xiàn)有的社交網(wǎng)絡(luò)圖給用戶新的好友, 比如給用戶好友的好友(Friend- of-Friend)。基于好友的好友算法可以用來為用戶在現(xiàn)實(shí)社會(huì)中相互熟悉而在當(dāng)前社交網(wǎng)絡(luò)中沒有聯(lián)系的其他用戶。例如使用人人網(wǎng)時(shí), 經(jīng)常看到一些久未聯(lián)系的老同學(xué)出現(xiàn)在好友列表中。這種方法的優(yōu)點(diǎn)是簡潔、易實(shí)現(xiàn), 效果明顯。但是其缺點(diǎn)也是顯而易見的, 如果用戶好友人數(shù)不夠多, 那么無論是為其其他好友或者將其“ 人” 的給其他人都會(huì)變得很難。其次是該算法只是關(guān)注而忽略了其他, 可能影響所好友的準(zhǔn)確性。最簡單的好友算法是為用戶共同好友數(shù)最多的用戶。其基本是, 用戶之間的共同好友越多, 則他

6、們?cè)娇赡苁呛糜选Ｓ捎谶@種方法受用戶好友總數(shù)影響較大, 因此通常根據(jù)共同好友比例計(jì)算相似度來2、互動(dòng)比例好友。不管人們有多少共同好友, 都無法確定是否會(huì)一直與其保持聯(lián)系。社交傾向于促使用戶盡可能多地與別人產(chǎn)生互動(dòng), 這樣他們就能看到并從中提取信息。如果兩個(gè)人之間沒有互動(dòng), 很難稱得上朋友, 互聯(lián)網(wǎng)上也是這樣。社交網(wǎng)絡(luò)中用戶之間的互動(dòng)包括消息、評(píng)論、轉(zhuǎn)發(fā)和收藏等形式,轉(zhuǎn)發(fā)和評(píng)論等行為在一定程度上代表著信息對(duì)于用戶的評(píng)論與轉(zhuǎn)發(fā)等通常有不同的權(quán)重, 為了簡化計(jì)算, 本和轉(zhuǎn)發(fā)取相同權(quán)重。1,消息、評(píng)論3、社交度根據(jù)社交圖譜計(jì)算用戶相似度的傳統(tǒng)方法進(jìn)行改進(jìn), 從共同好友和互動(dòng)情況兩方面來表現(xiàn)用戶之間的關(guān)系

7、親密程度, 從而計(jì)算出目標(biāo)用戶對(duì)待用戶的社交度, 以此描述目標(biāo)用戶和待用戶成為好友的可能性。4、相似度社交網(wǎng)絡(luò)中用戶留下的文字和行為可以反映用戶和需求。通常用戶可使用自然語言或者主動(dòng)展示其喜好。這種方法可以獲得一些關(guān)于用戶的信息, 但是其缺點(diǎn)也比較明顯, 自然語言理解技術(shù)不能很好地理解用戶的描述, 而且用戶是動(dòng)態(tài)變化的,描述很容易過時(shí), 況且很多時(shí)候用戶并不知道或者很難用語言描述喜歡什么。因此,需要通過算法自動(dòng)發(fā)掘用戶歷史行為數(shù)據(jù), 以推測用戶, 從而滿足相似度,的項(xiàng)目。主要計(jì)算用戶之間的是: 如果用戶喜歡相同物品, 則說明具有相似的戶曾經(jīng)評(píng)論、轉(zhuǎn)發(fā)或者收藏過同樣內(nèi)容可以看作物品, 如果兩個(gè)用

8、, 則說明他們具有相似的興趣。此外, 也可以根據(jù)用戶在社交網(wǎng)絡(luò)中的發(fā)言提取用戶的(), 計(jì)算用戶的相似度。基于的中, 很多時(shí)候用戶主動(dòng)標(biāo)記使用的很少, 這可能是由于用戶沒有使用的習(xí)慣或者用戶新近加入或者用戶活躍度較低。因此, 通常從用戶的內(nèi)容數(shù)據(jù)中抽取鍵詞擴(kuò)展。作為或者是根據(jù)之間的相似度做一些關(guān)5、綜合社交和的好友不同的社交網(wǎng)絡(luò)中人們的目的和側(cè)重點(diǎn)往往是存在差異的, 因此, 人們通常在不同的社交建立不同的關(guān)系網(wǎng)絡(luò)。例如人人網(wǎng)中的好友通常以同學(xué)校友或者熟人為主, 而豆瓣網(wǎng)中的好友卻大多因相似而。因此本文先計(jì)算交際度和相似度, 然后將二者綜合評(píng)分, 最終得分最高的 Top-k 位用戶。由于只需要計(jì)算存在好友關(guān)系的用戶之間的共同好友比例和互動(dòng)比例, 因此可以有效提高效率。