基于標注的好友推薦算法

　　目前多數(shù)社交網(wǎng)絡(luò)主要根據(jù)已有好友關(guān)系推薦潛在好友，用戶的興趣愛好不作為主要考慮因素；此外，如何從大量數(shù)據(jù)中精確地提取用戶的興趣愛好是一項十分艱巨的任務(wù)。為此，提出一種在大量標注行為數(shù)據(jù)中精確挖掘出用戶的興趣愛好，并據(jù)此推薦具有相同興趣愛好的潛在好友的算法——基于標注的好友推薦（ FRBT）算法。首先使用詞頻一逆向文件頻率（ TF-IDF）對標簽進行聚類，將語義相似的標簽聚成話題；然后在話題的基礎(chǔ)上提出一種新的相似度公式來計算用戶相似度；再融合基于話題與基于物品的用戶相似度，將相似度較高的用戶作為潛在好友進行推薦。在Delicious數(shù)據(jù)集上以準確率和召回率為指標與item、tag和tri-graph三種算法進行比較，實驗驗證了該算法能夠更準確地為用戶推薦興趣相似的好友。