基于SASal系统的微博朋友推荐机制

在微博平台中，你的关注对象是谁？这个庞大的网络空间中共有数亿用户，在这其中如何筛选出你感兴趣的人进行推荐？从系统的角度来看，这是一项具有挑战性的任务——它不仅需要好的推荐算法能够准确把握用户的兴趣偏好和关注焦点，并且还需要一个高效的计算系统能够快速响应结果。本文将重点介绍微博好友推荐算法，并对比 Twitter 上的类似算法。

首先观察一个二部图（1），其中左侧代表用户的信任圈子（user circle），右侧则为被这些信任关系所连接的所有潜在关注者集合（集合 of users that the user circle is connected to）。我们的目标是从这些节点中筛选出最具吸引力的目标节点（target nodes）

构建用户的信任圈的方法是什么？针对某个特定的用户，在已知其关注群体的情况下（即已知该用户的关注群体），我们可以基于personalized PageRank 的随机游走方法（即通过设置 random walk step 数量及 reset probability）来实现这一目标（即忽略 low-occurrence 概率事件）。随后我们可以通过在 random walk 过程中采样 importance 较高的 node（即重要性较高的 node）来完成这一目标（即将其结果中选择一定数量的目标 trust 邻居集合作为最终的信任邻居集合）。

在完成