[发明专利]一种基于知识学习对等社交网络文档检索方法

说明书

本发明公开了一种基于知识学习对等社交网络文档检索方法，它属于社交网络技术领域，主要解决对等社交网络中文档检索召回率低、转发开销大和性能不太理想的问题。其步骤为：A)节点建立兴趣索引和知识索引；B)节点通过兴趣索引和知识索引获取推荐节点转发查询消息。节点根据与它兴趣相同节点的兴趣向量关键词获得的文档数量建立兴趣索引，并且根据查询关键词获得的文档数量建立知识索引。在转发查询消息时，从兴趣索引和知识索引中获取推荐节点，消息转发给推荐节点。该方法在查询过程中学习知识，建立索引，并依据索引获得较好的查询，与现有的一些典型方法比较，取得了较高的召回率、较低的网络开销和较好的性能。

技术领域

本发明涉及到社交网络技术领域，将本发明提出的知识学习对等社交网络文档检索方法(IESLP)用于对等社交网络服务的文档检索。

背景技术

社交网络应用越来越广泛，人们通过社交网络可以实现虚拟社区的社交活动，如交友、聊天、互助、发布商业广告、进行资源分享和检索等。社交网络有多种类型，有基于客户机/服务器模式的在线社交网络如FaceBook、人人网等；有基于蜂窝覆盖技术的移动社交网络，如微信；也有基于P2P技术的对等社交网络。

P2P技术也称对等互联网技术，对等社交网络中的节点既是服务器也是客户端。在使用非结构化P2P技术构建的社交网络中，检索文档是一个具有挑战性的课题。目前已有一些方法可以用于对等社交网络的文档检索，如(1)随机宽度优先搜索技术(RBFS)[V.Kalogeraki,D.Gunopulos,D.Zeinalipour-yazti.A Local Search Mechanism forPeer-to-Peer Networks[C].Proc.Of the 11th ACM Conference on Information andKnowledge Management(CIKM’02).New York:ACM,2002:300-307.]。(2)NeuroGrid技术[Joseph S.NeuroGrid:Semantically routing queries in peer-to-peernetworks.Proceedings of the International Workshopon Peer-to-Peer Computing,Pisa,Italy,2002.]。(3)ESLP技术[L.Liu,N.Antonopoulos,S.Mackin,J.Xu,D.Russell,Efficient Resource Discovery in Self-organized Unstructured Peer-to-PeerNetworks,Concurrency and Computation:Practice and Experience,Wiley,Vol 23(2),February 2009,pp.159-183.]等。RBFS方法在进行查询消息处理时，随机选择k个邻居节点进行查询消息转发，收到消息的邻居节点再随机选择k个邻居转发查询消息，直到TTL耗尽，这种检索文档的方法效率低、延时长。NeuroGrid技术在网络节点建立知识库，将在查询过程中学习到的知识存储到知识库中，依知识库中的知识选择推荐节点进行消息转发，转发节点数介于最小转发度和最大转发度之间。该方法比RBFS有了改进，召回率和网络性能都有了提高。ESLP是一种新颖的对等社交网络搜索技术，它把人们交往过程中的人际关系理论运用到文档检索中，模拟人的社交行为快速学习知识，自发形成社交圈，提高文档检索的成功率，该方法在性能方面比NeuroGrid有了较大的改进。

现有的这些方法虽然可以实现对等社交网络的文档检索，但还存在一些缺陷。RBFS的转发度是一个固定的常数；NeuroGrid的转发度介于最小转发度和最大转发度之间，但不能自适应变化；ESLP的转发度虽然考虑目标节点与查询关键词的相关性自适应变化，但没有考虑到目标节点文档数量与查询关键词的关系，并且也没有考虑到最小转发度和最大转发度的自适应变化。社交网络中用户按兴趣形成社区，这些算法也没有显式的挖掘用户的兴趣属性，从而通过兴趣向量相似性的比较自我学习，快速聚类成社区。现有的这些对等社交网络文档检索技术方法在召回率、转发开销、网络性能等方面还有提升的空间。