[发明专利]最优有限注意力下的社交推荐方法及装置

说明书

本发明公开了一种最优有限注意力下的社交推荐方法及装置，其中，方法包括以下步骤：获取目标用户的隐私特征向量，并根据隐私特征向量得到满足预设社交影响力的至少一名好友，以学习得到至少一名好友的社交影响力权重；根据目标用户的自身喜好和至少一名好友的社交影响力权重预估目标用户的综合喜好；根据目标用户的综合喜好为目标用户进行社交推荐。该方法根据用户自身喜好和对用户最有影响的好友对该用户进行社交推荐，从而有效提高社交推荐的准确性。

技术领域

本发明涉及个性化社交推荐技术领域，特别涉及一种最优有限注意力下的社交推荐方法及装置。

背景技术

相关技术认为目标用户的所有好友信息都应该对目标用户产生社交影响。然而社会科学中的工作已经证明，实际上人类的注意力是有限的，没法无限度地接收来自所有好友的信息(社交影响)。因此，现有方法没有考虑到实际应用中用户会选择性地接收来自好友的社交影响而不是对所有好友的社交影响全盘接受。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种最优有限注意力下的社交推荐方法，该方法可以有效提高社交推荐推荐的准确性。

本发明的另一个目的在于提出一种最优有限注意力下的社交推荐应用装置。

为达到上述目的，本发明一方面实施例提出了一种最优有限注意力下的社交推荐方法，包括以下步骤：获取目标用户的隐私特征向量，并根据所述隐私特征向量得到满足预设社交影响力的至少一名好友，以学习得到所述至少一名好友的社交影响力权重；根据所述目标用户的自身喜好和所述至少一名好友的社交影响力权重预估所述目标用户的综合喜好；根据所述目标用户的综合喜好为所述目标用户进行社交推荐。

本发明实施例的最优有限注意力下的社交推荐应用方法，根据用户自身喜好和好友的社交影响力权重对用户进行社交推荐，通过有限注意力的概念最优地融入社交推荐当中，提出了更符合用户实际生活场景以及拥有更高推荐准确度的社交推荐模型，从而有效提高社交推荐的准确性。

另外，根据本发明上述实施例的最优有限注意力下的社交推荐应用方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述获取目标用户的隐私特征向量，进一步包括：获取所述目标用户的隐私数据，并根据矩阵分解技术得到所述目标用户的隐私特征向量。

进一步地，在本发明的一个实施例中，所述目标用户隐私数据包括所述目标用户自身信息以及所述目标用户社交关系信息。进一步地，在本发明的一个实施例中，所述目标用户的隐私特征向量包括K个维度，其中，所述K个维度表示K个兴趣方向，每个维度的值表示该维度对应的兴趣方向的喜好程度，K为正整数。

进一步地，在本发明的一个实施例中，所述目标用户包括冷启动用户和中心用户，其中，所述冷启动用户为没有任何历史交互记录的用户，所述中心用户为拥有多个社交关系的用户。

为达到上述目的，本发明另一方面实施例提出了一种最优有限注意力下的社交推荐装置，包括：获取模块，用于获取目标用户的隐私特征向量，并根据所述隐私特征向量得到满足预设社交影响力的至少一名好友，以学习得到所述至少一名好友的社交影响力权重；预估模块，用于根据所述目标用户的自身喜好和所述至少一名好友的社交影响力权重预估所述目标用户的综合喜好；推荐模块，用于根据所述目标用户的综合喜好为所述目标用户进行社交推荐。

本发明实施例的最优有限注意力下的社交推荐装置，根据用户自身喜好和对用户最有影响的好友对该用户进行社交推荐，并通过有限注意力的概念最优地融入社交推荐当中，提出了更符合用户实际生活场景以及拥有更高推荐准确度的社交推荐模型，从而有效提高社交推荐的准确性。

另外，根据本发明上述实施例的最优有限注意力下的社交推荐装置还可以具有以下附加的技术特征：