王杉文,欧 鸥,马万民,陈建林

(成都理工大学信息科学与技术学院(网络安全学院),四川 成都 610051)

0 引 言

随着互联网日新月异发展，Web技术得到了广泛的运用，在线社交平台得到了快速发展，各类平台在推动信息传播方面起着重要作用[1]。据CNNIC发布的《第45次中国互联网络发展状况统计报告》，截止到2020年3月，微信朋友圈、微博使用率较2018年底分别上涨1.7和0.2个百分点；QQ空间使用率接近50%；过去的一年各类社交产品不断创新，社交平台助力社交公益，社交网络持续发展[2]。在线社交平台大量信息资源在为用户提供各式各样信息的同时，对社交平台的使用用户搜索信息的能力与精力也提出了相应的挑战，使得使用平台的用户不得不投入更多时间和精力来搜索其所需要的信息，尤其是在线社交平台的核心是用户交互，如何为用户进行有效的好友推荐是社交平台增加用户粘性的关键。因此社交平台的个性化推荐对于提升社交平台用户体验、给用户提供准确好友推荐具有十分重要的现实意义。

在推荐系统中，用户兴趣的获取是系统个性化推荐的关键，决定着最终推荐质量的好坏。目前推荐系统分析数据的方式主要有2种，一种是可以通过使用矩阵进行表示的数值型数据，包括用户对网页的浏览次数、用户对项目的评分、可用0和1表示的用户对其他用户的赞和踩等。另一种类型的数据是文本数据，包括用户的留言、评论、标签、背景信息等。根据实际情况对数据类型进行分析。……