魏思怡 陈鹏 胡正凯

摘   要：随着网络的飞速发展，交友网站大量涌现，为快节奏的单身男女提供了广阔的交友平台。本文在考虑现实交友的审美观、门当户对观的基础上，采用融合算法， 融合了基于内容的Bayes推荐与基于用户的KNN协同过滤两种方法，构造了有效的评分排序模型，能够为用户推荐适合的交友对象。通过使用美国某大型交友网站的用户数据，验证了该模型的精度。经计算得出上述融合模型NDCG@20值高于单一方法精度，能有效地避免过拟合问题，提高了推荐精度。

关键词：融合算法;Bayes;KNN;协同过滤;交友推荐

1  引言

随着网络时代的飞速发展，各种交友网站层出不穷。研究国内多数交友网站发现，很多网站为吸引客源，追求快速匹配，基于用户的少量特征简单分类，无法有效处理大批质量参差不齐的用户信息，导致用户间成功配对率很低，无法有效的配对交友。因此，本文设计了一套合理有效的算法，在学历、经济水平、地域范围推荐的基础上，根据用户的兴趣偏好推荐其适合的交友对象，以期提高用户的交友成功率。

2  模型建立

2.1  评价指标

交友网站主要关注用户的交友成功率及准确性两方面[1]。针对实际情况采用Normalized Discounted Cumulative Gain（NDCC）作为评价标准，定义如下：

其中DCG是根据已给评分排序后计算推荐精度的指标，如果所给评分较理想，能准确预测用户A对于所推荐用户的偏好排序，则此时DCG为IdealDCG。

2.2  基于内容的交友对象推荐

基于内容的推荐[2]主要通过选取候选用户的一些特征指标，计算用户对其兴趣得分。……