Ứng dụng cơ sở dữ liệu đồ thị Neo4j xây dựng hệ thống khuyến nghị kết bạn trên mạng xã hội
Ứng dụng cơ sở dữ liệu đồ thị Neo4j xây dựng hệ thống khuyến nghị kết bạn trên mạng xã hội
Abstract
Những năm gần đây, cùng với sự phát triển của internet, số lượng người dùng mạng xã hội ngày càng tăng. Thông qua mạng xã hội, người dùng có thể chia sẻ, trao đổi thông tin hoặc kết bạn với nhau. Tuy nhiên, với những mối quan hệ mới, người dùng thường có nhu cầu đánh giá độ tin cậy của một người bạn mới trước khi kết bạn trên mạng xã hội. Bài báo đề xuất hệ thống gợi ý kết bạn trên mạng xã hội dựa trên cách tính toán độ tin cậy giữa những người dùng. Hệ thống đề xuất được triển khai bằng cơ sở dữ liệu đồ thị Neo4j. Kết quả của thuật toán xác thực đề xuất trong bài báo này cao hơn các thuật toán tương tự khác.
References
Neo4j, “Neo4j Documentation”, https://neo4j.com/docs/, accessed date: March 10th, 2022.
https://neo4j.com/docs/graph-data-science/current/algorithm, accessed date March 10th, 2022.
https://docs.redis.com/latest/stack/deprecated-features/graph/, accessed date March 10th, 2023.
http://orientdb.org/, accessed date March 10th, 2023.
Cypher Query Language, https://neo4j.com/developer/cypher/, accessed date March 10th, 2023.
Iftikhar Ahmad, Muhammad Usman Akhtar, Salma Noor & Ambreen Shahnaz, Missing Link Prediction using Common Neighbor and Centrality based Parameterized Algorithm, Sci Rep 10, 364 (2020). https://doi.org/10.1038/s41598-019- 57304-y
Sourabh Dadapure, Recommendation Engine using Adamic Adar Measure, American Society for Engineering Education, 2022.
Sheridan, P., Onodera, T., A Preferential Attachment Paradox: How Preferential Attachment Combines with Growth to Produce Networks with Log-normal In-degree Distributions, Sci Rep 8, 2811 (2018). https://doi.org/10.1038/s41598-018- 21133-2.
Pham Thi Thu Thuy, Algorithm to determine the trustworthiness of friends on social networks based on Ontology, Science Journal of Da Lat University Vol. 8, Issue 2, 2018 139–150.
Graph API, https://developers.facebook.com/docs/graphapi/, March 10th, 2023.
Ling Chen, Man Gao, Bin Li, Wei Liu, Bolun Chen, Detect potential relations by link prediction in multi-relational social networks, Decsup (2018), doi:10.1016/j.dss.2018.09.006.
Kai Zhu, Meng Cao, Heng-yang Lu, MALP: A More Effective Meta-Paths Based Link Prediction Method in PartiallyAligned Heterogeneous Social Networks, 2019 IEEE 31st International Conference on Tools with Artificial Intelligence (ICTAI).
Ling Chen, Man Gao, Bin Li, Wei Liu, Bolun Chen, Detect Potential Relations by Link Prediction in MultiRelational Social Networks, Decsup (2018), doi: 10.1016/j.dss.2018.09.006.
Pinghua Xu, Wenbin Hu, Jia Wu, Bo Du, Link Prediction with Signed Latent Factors in Signed Social Networks, Conference on Knowledge Discovery and Data Mining (KDD ’19), August 4–8, 2019, Anchorage, AK, USA. ACM, New York, NY, USA, 9 pages.
Virinchi Srinivas, Pabitra Mitra, Link Prediction in Social Networks, Springer, 2016.
Jan Skrasek, Social Network Recommendation using Graph Databases, Brno, 2015.
Gorka Sadowksi, Philip Rathle, Fraud detection: Discovering Connections using Graph Databases, The World’s Leading Graph Database, January 2015.
DB Engines, Knowledge Base of Relational and NoSQL Database Management Systems, https://db-engines.com/, accessed date: March 20th, 2022.
