马汉达，景 迪

(江苏大学计算机科学与通信工程学院，江苏 镇江 212013)

1 引言

随着互联网技术的飞速发展，越来越多的用户愿意在社交平台上进行交友聊天[1]。数以万计的在线用户每天都会产生海量的数据，而对用户产生的数据信息进行爬取、分析，也是各社交平台常见的商业行为。但是，用户产生的数据信息量大且复杂多变，因此，如何利用好用户的有效信息进行分析处理，优化平台的好友推荐策略是本文研究的主要问题。

目前，通过对微博用户群进行研究发现，对微博用户而言，能较大程度上决定用户兴趣走向的是用户自身发表的微博信息，以及用户相关的行为信息，因此基于微博内容的好友推荐是微博好友推荐的主要研究方向。其中，在表现用户的兴趣特点上，图像有时比书面语更占优势，并且用户的兴趣爱好会受到时间等其他因素影响或发生改变，因此，在依据用户兴趣爱好进行好友推荐时，难免需要对时间因素进行考量。

本文在考虑到用户个人信息的同时，将用户发表的图像信息作为主要处理对象。通过对图像识别分类，形成用户兴趣信息，并利用兴趣浓度随时间消逝而逐渐下降的特点，对用户兴趣爱好进一步处理，提出了基于用户信息并结合多目标检测SSD(Single Shot MultiBox Detector)和时序模型的推荐BSBT-FR(Based SSD and Based Timing model Friends Recommendation)算法以计算用户间的相似度，最后在保证一定精准度的前提下，达到较好的好友推荐效果。

2 相关研究

目前，社交平台上有很多相关的个性化推荐方法，主要分为2种推荐模式：一是从社交关系角度出发，寻找好友；……