[发明专利]显式和隐式兴趣知识的提取方法

权利要求书

1.一种显式和隐式兴趣知识的提取方法，其特征在于：包括以下步骤：

(A)计算用户之间的相似度；(B)文本实体的提取；(C)构建用户相似度向量及兴趣知识矩阵；(D)获取用户的兴趣知识；所述步骤(A)进一步中，在获取了用户原始的社交网络关系图的基础上，利用节点的结构相似度算法，计算出用户与其社交网络中的其他节点的相似度，并将用户的关系及相似度存入数据库中；所述步骤

(B)中，提取用户以及一定阈值以上的社交网络节点的发表的文本信息，提取出每条文本信息出现的实体，并存入数据库中；所述步骤(C)中，将步骤(A)中提取的用户相似度靠前的用户，将步骤(B)中提取出来的实体，统计出每个用户发表的文本信息中提到每个实体的数量，构成用户-兴趣知识矩阵；所述步骤(D)中，将用户的相似度向量与用户-兴趣知识矩阵进行运算获取用户的兴趣知识；相似度算法公式为：

其中，l是最有效层次数，是衰减因子，是指在用户的局部社交网络中，从节点v_x到v_y并且链路长度为i的链路条数，n_i是在用户的局部社交网络中v_x到其他节点并且长度为i链路条数，N_{od_y}是节点v_y在其全局社交网络中的出度，N_{id_y}是节点v_y在其全局社交网络中的入度，是的归一化因子,其中MinId是全局社交网络中最小的出度，MaxOd是全局社交网络中最大的入度。

2.根据权利要求1所述的显式和隐式兴趣知识的提取方法，其特征在于：用户兴趣知识矩阵为：p₁ p₂…p_n

其中，W表示“用户-兴趣知识”矩阵，w_ij表示节点v_j最近发表的微博当中提及到p_i的微博的条数，p_i表示兴趣知识并且p_i∈P，v_j表示第j个候选用户并且v_j∈V。

3.根据权利要求1所述的显式和隐式兴趣知识的提取方法，其特征在于：将用户的相似度向量与用户-兴趣知识矩阵相乘，得出用户对各个实体的一个分值，得分越高，表明用户对该实体越有兴趣，得分高于某一阈值的实体则是用户的兴趣。