“你可能知道”——社交网络中的建议[关闭]

Question

我有三个主要模型。用户、照片和关系。

关系模型包含两个字段 = from_user、to_user。当 userA (from_user) 跟随 UserB (to_user) 时，我想向 userA 显示与 userB 类似的其他帐户。 userA 将更倾向于关注与 userB 相似的帐户。我应该采用什么方法才能获得此类似帐户列表？

我能立即想到的第一个示例是 Instagram 和 Twitter，它们会在您关注用户后立即显示类似的帐户。我在想也许他们显示的建议帐户是多个集合交叉点的结果。

在 UserB 的所有“关注”集合之间进行集合交集可能是一种可能的解决方案。这将生成一个集合，显示 UserB 的关注者关注的所有普通用户。当这个集合呈现给用户 A 时，用户 A 也可能倾向于关注这个集合上的人，因为用户 B 的关注者也会关注他们。我的逻辑是 userB 的追随者可能有共同的兴趣。这种共同的兴趣可能是他们最初关注 userB 的原因之一。 userB 的关注者很可能也会关注与 userB 类似的其他帐户。

我什至开始考虑这个问题的全部原因是我前几天在Quora 上发现的一个问题。

一位用户提到：

1.你跟随的人跟随的人。我对 Twitter 的绝大多数使用是关注媒体人以了解他们在做什么。大多数建议都是他们关注的帐户。

2.匹配的电子邮件。你认识的人上传了他们的地址簿或电子邮件活动以进行“挖掘”，而你在名单上。 LinkedIn 似乎真的很喜欢这个，因为大多数推荐都是我实际上并不认识的人，但几年前我通过电子邮件与他们进行了短暂的互动。

正如你们中的一些人所建议的，这可能是一个开放式问题，但我决定在堆栈上对其进行破解，看看你们中的一些人采用了哪些其他实现。如果这个问题不适合堆栈溢出，请帮我将它引导到某个地方，也许是另一个堆栈交换社区。

谢谢

Answer 1

在互联网上搜索之后，我意识到 Facebook 有一个很好的资源来说明他们如何制作“你可能认识的人”名单：

https://www.facebook.com/help/501283333222485/

我认为我有一个很好的起点。谢谢大家的帮助。

Answer 2

也许你应该使用Strongly Connected Components 的图论概念。您的模型可以被认为是有向图，其中顶点对应于用户，边是“跟随”关系。

观察上图。如果“用户 b”跟随“用户 c”，那么推荐“用户 d 和 h”是合理的，它们在“用户 c”的同一个强连通分量中。

Tim Roughgarden 在 Coursera 上的算法简介课程中提出了这种方法（如 answer 中所述）。

您可以使用类似的方法处理其他类型的有向或无向关系，例如“研究过”、“合作过”等，以找到最有可能“相似”的用户。