文献类型：期刊文章

作　　者：徐娟[1] 张迪[2] 钱文华[3]

XU Juan;ZHANG Di;QIAN Wenhua(Archives Party and University History Research Office, Yunnan University, Kunming 650091, China;Personnal Department, Yunnan University of Finance and Economics, Kunming 650221, China;School of Information, Yunnan University, Kunming 650504, China)

机构地区：[1]云南大学档案馆.党史校史研究室,昆明650091 [2]云南财经大学人事处,昆明650221 [3]云南大学信息学院,昆明650504

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金Nos.61462093;61662087;云南省应用基础研究计划项目No.2014FB113;云南省教育厅重点项目No.2012Z012~~

年　　份：2017

卷　　号：11

期　　号：7

起止页码：1056-1067

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、核心刊

摘　　要：社交网络中的用户相似性发现作为社交媒体数据分析中的基础研究,可以应用于基于用户的商品推荐以及社交网络中推导用户关系演化过程等。为了有效地描述社交网络用户间复杂的相关性及不确定性,并从理论上提高海量社交网络用户相似性发现的准确度,研究了基于贝叶斯网这一重要的概率图模型,结合网络拓扑结构和用户之间的依赖程度,发现社交网络用户相似性的方法。为了提高算法的可扩展性,解决海量数据带来的存储和计算问题,提出了基于Hadoop平台的贝叶斯网分布式存储以及并行推理方法。最后通过实验结果验证了算法的高效性和正确性。

关 键 词：社交网络 贝叶斯网 用户相似性  并行推理  HADOOP

分 类 号：TP311]