AI实践哪家强?来 AICon, 解锁技术前沿,探寻产业新机! 了解详情
写点什么

Interactions Rank,挖掘用户的社交图谱

  • 2012-02-29
  • 本文字数:1296 字

    阅读完需:约 4 分钟

PageRank 是 Google 十年前提出的一种网页评级方法,也是 Google 用来衡量一个网站质量好坏的重要因素。利用 PageRank,Google 不断地改善搜索结果的排序,打造出目前最受欢迎的搜索引擎。相继搜索业的蓬勃发展,互联网领域又出现了一只新秀——社会网络 (SNS)。如今,Facebook 几乎代表了 SNS 的领航者。在 F8 大会上,来自 Facebook 的工程师介绍了关于 news feed 的算法,称之为 Edge rank。Edge rank 考虑了 SNS 网站用户之间的交互行为和交互的时效性,从而计算新鲜事出现权重,达到优化新鲜事排序、以及改变仅按时间排序的现状的目的。Edge rank 算法的好坏还需要时间来验证。

Interactions Rank 是 Google 的科学家最新提出的一种基于用户交互的社交图谱分析算法【1】,它定义用户与好友圈子之间的交互类别,并对不同的交互行为进行打分,找出与用户最亲密的好友圈子。

在 Interactions Rank 算法框架下,社交图谱用带权值的有向图来表示。图的节点代表用户,图的边代表用户之间的交互关系。考虑到用户之间的交互有主动和被动之分,图的边定义为带方向的,并且不同的方向有不同的权重。

从上面的计算公式中可以看出,Interactions Rank 主要考虑了以下三方面的因素:

  1. 交互频率: 用户与好友圈的交互频率越高,代表该好友圈相对用户的权重越大。
  2. 交互的时效性: 好友圈的权重随着时间不断变化。
  3. 交互的方向: 用户主动与好友交互要比被动交互对 Interactions Rank 产生的影响大。

总之,Interactions Rank 从用户的一组交互数据中计算而来,其中和分别表示好友圈子对该用户和该用户对好友圈子发起的互动行为。是当前时间,是发生交互行为的时间戳。可以调节时间因素对 Interactions Rank 的影响大小,可见,时间对 Interactions Rank 的影响是呈指数型衰减的。

好友推荐是 SNS 网站帮助用户拓展人脉关系的有效途径,Interactions Rank 为好友推荐提供了很好的依据。推荐引擎需要分析用户的社交关系,找到用户最可能认识的人。在拓展用户的好友圈子中,Interactions Rank 作为重要因素来衡量与用户发生交互的人之间的相关度,相关度越高,被推荐的概率越大。

Interactions Rank 的方法已被 Google 的电子邮件服务用来为用户推荐可能的收件人。当用户撰写一封电子邮件,在填写收件人名单时,推荐引擎会根据当前填写的名单为邮件撰写人推荐更多的收件人。其原理就是基于 Interactions Rank,对已填写的收件人群组进行扩充。该方法还被用来对用户的收件人列表进行纠错,对拼写错误的收件人地址提供修改建议。

【1】“Suggesting (More) Friends Using the Implicit Social Graph”, Maayan Roth, Tzvika Barenholz, Assaf Ben-David, David Deutscher, Guy Flysher, Avinatan Hassidim, llan Horn, Ari Leichtberg, Naty Leiser, Yossi Matias, Ron Merom, International Conference on Machine Learning (ICML), 2011.

InfoQ 相关内容:

文章:社会化推荐在人人网的应用

视频:社会化推荐算法在人人网的应用实践

作者简介:张叶银,毕业于中科院自动化所,目前担任人人网 Social Graph 算法工程师,主要负责 Social Graph 算法的研发,感兴趣的方向主要有大规模数据挖掘机器学习的应用及社会化计算。

2012-02-29 21:283545

评论

发布
暂无评论
发现更多内容

《三体》问题

蓬蒿

CPU 寄存器 延时

ArkUI中的线程和看门狗机制

OpenHarmony开发者

OpenHarmony

SpringBoot中事件与通知

石臻臻的杂货铺

spring springboot

焱融科技发布国内首个NVIDIA DGX A100 + 全闪存储参考架构白皮书

焱融科技

文件存储 容器存储 分布式文件存储 高性能存储 全闪存储

前端经典面试题(有答案)

coder2028

JavaScript 前端

一文读懂Js中的this指向

hellocoder2029

JavaScript 前端

前端必会vue面试题(必备)

yyds2026

Vue 前端

vue实战中的一些小技巧

yyds2026

Vue 前端

如何评估某活动带来的大盘增量 | 得物技术

得物技术

AI 数据

美团前端高频面试题集锦

Geek_02d948

JavaScript 前端

深入理解 Taier:MR on Yarn 的实现原理

袋鼠云数栈

hadoop

Stage模型深入解读

HarmonyOS开发者

HarmonyOS

一文彻底搞懂前端缓存机制

hellocoder2029

JavaScript 前端

LeetCode题解:137. 只出现一次的数字 II,哈希表,JavaScript,详细注释

Lee Chen

JavaScript LeetCode

通过微信小程序体验阿里云IoT物联网平台——设备接入类

阿里云AIoT

物联网

NCCL源码解析①:初始化及ncclUniqueId的产生

OneFlow

人工智能 深度学习

21天吃透这套字节面试题后,我成功跳槽进了字节,税后25K

Java 数据结构 面试 算法

【记】滑动拼图验证码在搜索中的作用

宙哈哈

Python html 验证码

2023秋招前端面试必会的面试题

Geek_02d948

JavaScript 前端

3.15 数据库吐槽大会

NineData

数据库 mongodb 云计算 程序员 图数据库

一文彻底读懂webpack常用配置

Geek_02d948

JavaScript 前端

深入nodejs的event-loop

coder2028

JavaScript 前端

彻底搞懂nodejs事件循环

coder2028

JavaScript 前端

vue的几个提效技巧

yyds2026

Vue 前端

Nautilus Chain 现已推出测试网“Triton ”,有哪些潜在的机会?

西柚子

你需要知道的webpack高频面试题

Geek_02d948

JavaScript 前端

2023秋招前端面试必会的面试题

coder2028

JavaScript 前端

前端常考面试题整理

hellocoder2029

JavaScript 前端

拿到大厂前端offer的前端开发是怎么回答面试题的

hellocoder2029

JavaScript 前端

前端常考vue面试题(必备)

yyds2026

Vue 前端

基于rsync实现海量文件高速传输的解决方案

镭速

Interactions Rank,挖掘用户的社交图谱_Google_张叶银_InfoQ精选文章