[发明专利]基于社交网络的弱关系和强关系的视频推荐方法

权利要求书

1.一种基于社交网络的弱关系和强关系的视频推荐方法，其特征在于，包括以下步骤：

1)基于用户的弱关系好友的影响力、用户与弱关系好友的相关度以及弱关系好友对视频的行为特征，计算用户对该视频的第一预估点击概率；

2)基于不同亲密度的强关系好友对视频的行为特征，计算用户对该视频的第二预估点击概率；

3)线性融合第一预估点击概率和第二预估点击概率，得到用户对该视频的预估点击概率；

4)基于用户对视频的行为观察值以及用户对视频的预估点击概率，构造损失函数；

5)采用随机梯度算法对步骤1)-4)中的特征参数进行优化，使损失函数的值最小化，当损失函数的值满足预定条件时，停止优化，最终得到用户对视频的点击概率；

6)利用TopN算法向用户推荐点击概率最高的N个视频。

2.根据权利要求1所述的基于社交网络的弱关系和强关系的视频推荐方法，其特征在于，所述步骤1)具体包括以下步骤：

11)计算用户的弱关系好友的影响力influence(w)；

12)选取影响力最大的n个弱关系好友，形成弱关系好友集合W_n；

13)根据用户点击弱关系好友的视频总数与用户的视频总数的比，得到用户与弱关系好友的相关度r_u,w；

14)使用以下公式计算用户对视频t的第一预估点击概率其中，f表示弱关系好友对视频t的行为特征，F表示弱关系好友对视频t的行为特征集合，b_f,w为弱关系好友w的行为特征f的权重，其通过高斯函数初始化，I^t_f,w是指示函数，表示弱关系好友w对视频t是否有过行为，如果有，则I^t_f,w＝1，否则I^t_f,w＝0。

3.根据权利要求2所述的基于社交网络的弱关系和强关系的视频推荐方法，其特征在于，所述步骤11)具体包括以下步骤：

11a)通过高斯函数初始化用户u的影响力influence(u)；

11b)根据用户u所发的视频被转发的次数与其所发的视频总数的比，得到用户的转发率Re(u)；

11c)采用Min-Max归一化方法将用户转发率Re(u)映射至0到1之间；

11d)根据以下公式计算弱关系好友的影响力：其中，d为用户游走的概率，即用户点击其他链接的概率，其通过高斯函数初始化，B表示关注了弱关系好友的粉丝集合，out(u)为用户u关注的好友数；

11e)重复执行步骤11b)-11d)，直到弱关系好友的影响力收敛。

4.根据权利要求1所述的基于社交网络的弱关系和强关系的视频推荐方法，其特征在于，所述步骤2)具体包括以下步骤：

21)根据用户u对强关系好友s的视频的互动行为总数占用户u的视频总数的比，得到用户u与强关系好友s的第一互动频率f1；

22)根据强关系好友s对用户u的视频的互动行为总数占强关系好友s的视频总数的比，得到强关系好友s与用户u的第二互动频率f2；

23)第一互动频率f1和第二互动频率f2形成互动频率二元组(f1，f2)，根据该互动频率二元组(f1，f2)，利用KMeans算法将强关系好友划分到不同亲密度的好友簇K中；

24)通过不同亲密度的强关系好友对视频t的行为特征f计算用户对视频t的第二预估点击概率其中，b_f,s是簇K中强关系好友s的行为特征f的权重，其通过高斯函数初始化，是指示函数，表示簇K中的强关系好友对视频t是否有过互动行为f，如果有，则否则