[发明专利]一种基于局部加权中心性信任推理的信息推荐方法及装置

说明书

本发明实施例提供了一种基于局部加权中心性信任推理的信息推荐方法及装置，方法包括：计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数；针对每个用户，根据对应的局部加权中心性分数对其邻居用户进行筛选，得到该用户的目标邻居用户；根据待推荐用户与其目标邻居用户之间的兴趣关联关系，以及目标用户与其他用户之间的兴趣关联关系，确定待推荐用户与目标用户之间的目标兴趣关联关系；基于目标兴趣关联关系对应的各用户之间的信任信息所对应的预设分数，确定待推荐用户对目标用户的信任分数；根据信任分数，向待推荐用户推荐预设信息。应用本发明实施例，可以提高信息推荐的效率。

技术领域

本发明涉及计算机网络技术领域，特别是涉及一种基于局部加权中心性信任推理的信息推荐方法及装置。

背景技术

随着互联网相关技术的高速发展，网络信息的数据量呈现出指数级的增长，用户从大量网络信息中获取所需信息的难度越来越大。为了向用户提供所需的信息，推荐系统应运而生。其中，基于社交网络的协同过滤推荐系统作为一种典型的推荐系统，已经被广泛应用于电子商务、社交平台、广告等领域。

在基于社交网络的协同过滤推荐系统中，电子设备可以根据待推荐用户与其邻居用户之间的信任信息确定推荐信息，其中，邻居用户为社交网络中与用户存在兴趣关联关系的用户。对于一个用户来说，该用户一般不会与社交网络中其他所有用户都存在兴趣关联关系，因此，用户之间的信任信息的数量较少，会导致基于社交网络的协同过滤推荐系统推荐信息的准确度较低。为了提高推荐信息的准确度，需要增加社交网络中用户之间的信任信息。

目前，可以通过NLP(Natural Language Processing，自然语言处理)技术，预先获取社交网络中每个用户关注的领域的领域信息，然后计算每个用户的领域信息与其邻居用户的领域信息之间的相似度，从每个用户的邻居用户中筛选出领域信息相似度较高的邻居用户，作为每个用户的目标邻居用户。进而，根据待推荐用户与其目标邻居用户之间的兴趣关联关系，以及目标用户与其他用户之间的兴趣关联关系，确定待推荐用户与所述目标用户之间的目标兴趣关联关系，然后基于目标兴趣关联关系对应的各用户之间的信任信息，确定待推荐用户与目标用户之间的信任信息。其中，目标用户为与待推荐用户不存在兴趣关联关系的用户。

由于电子设备通过NLP技术获取社交网络中用户的领域信息所需的计算量较大，需要耗费较长的时间，所以，通过上述方法确定待推荐用户与目标用户的信任信息所需的时长较长，信息推荐效率较低。

发明内容

本发明实施例的目的在于提供一种基于局部加权中心性信任推理的信息推荐方法及装置，以提高信息推荐的效率。

第一方面，本发明实施例提供了一种基于局部加权中心性信任推理的信息推荐方法，所述方法包括：

计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数，其中，所述邻居用户为与用户存在兴趣关联关系的用户，所述信任信息所对应的预设分数为预先根据用户对其邻居用户的兴趣行为的次数确定的；

针对每个用户，根据对应的局部加权中心性分数对其邻居用户进行筛选，得到该用户的目标邻居用户；

根据待推荐用户与其目标邻居用户之间的兴趣关联关系，以及目标用户与其他用户之间的兴趣关联关系，确定所述待推荐用户与所述目标用户之间的目标兴趣关联关系，其中，所述目标用户为与所述待推荐用户不存在兴趣关联关系的用户；

基于所述目标兴趣关联关系对应的各用户之间的信任信息所对应的预设分数，确定所述待推荐用户对所述目标用户的信任分数；

根据所述信任分数，向所述待推荐用户推荐预设信息。

可选的，所述计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数的步骤，包括：