一、成果简介

随着社交网络的发展，越来越多的用户开始使用各类网络社交应用，好友推荐是各类应用不可或缺的一项重要功能。应用利用用户之间的共同兴趣爱好，进行信息过滤，为用户推荐拥有相似爱好的好友，提高用户的活跃度。

为用户推荐好友的过程，也可以被理解为在图中找到包含特定顶点的最合适社区过程，因此可以使用社区搜索算法来进行好友推荐。一种前沿的社区搜索算法是FP(FastPeeling)算法，虽然FP算法能保证较高的准确度且时间开销较低，但FP算法并不适合属性图。在现实的好友推荐中，需要在属性图上根据用户的属性和应用的需求进行推荐，因此FP算法无法直接用于好友推荐。

本成果能够通过改进FP算法，使其可以用于属性社区搜索，实现好友推荐，并保留了原始FP算法的高准确度和低时间开销。

图1.对关键字集合L＝(ML ,C)和顶点v2在图G上计算关键字距离的结果示意图

二、应用领域

本成果能够通过改进FP算法，使其可以用于属性社区搜索，实现好友推荐，并保留了原始FP算法的高准确度和低时间开销。

三、市场前景

本成果作为一种前沿的社交网络推荐技术，其市场前景广阔，主要受益于社交平台对精准推荐和用户粘性的持续追求。该方法通过识别用户所属的社区结构，实现更精准、更符合社交规律的好友推荐，相较于传统方法具有显著优势。

四、知识产权

1、成果由北京理工大学单独持有；

2、本成果已授权专利。

五、合作方式

技术许可、技术转让、技术服务及咨询、合作开发等。

六、对接方式

（1）合作意向方联系北理工技术转移中心；

（2）北理工技术转移中心沟通了解意向方情况；

（3）会同成果完成团队与意向方共同研讨合作方案。

北京理工大学技术转移中心

电话：010-68914920

邮箱：bitttc@bit.edu.cn

网址：ttc.bit.edu.cn

未经授权，请勿转载