基于优先连接和用户属性的链路预测算法研究

摘要：随着互联网的快速发展和移动互联网时代的到来,社交网络已然成为人们生活中不可或缺的一部分。链路预测好友推荐算法在社交网络中的应用是根据用户属性及其关系数据来预测用户之间未来关系的发展状况。目前的社交网络好友推荐算法所需的数据量级较大,占用资源较多,基于网络拓扑结构的链路预测相似性算法可以很好地解决这个问题,基于传统的相似性算法没有考虑到在线社交网络中的用户属性问题。文中将对链路预测相似性算法进行筛选优化,并考虑在线社交网络的无标度特性,提出一种结合PA算法与用户属性的混合相似性算法——PAA算法,同时将PAA算法应用于微博数据集中。结果表明,PAA算法的效果评价明显高于传统的基于网络拓扑结构的链路预测相似性算法。