[发明专利]一种线性时间好友推荐方法、系统、终端以及存储介质

说明书

本申请涉及一种线性时间好友推荐方法、系统、终端以及存储介质。方法包括：基于社交网络中用户发布的文本内容数据估算每个用户的主题兴趣度，并根据主题兴趣度计算用户间的兴趣相似性；根据用户的社交互动行为计算用户间的社交亲密性；根据兴趣相似性和社交亲密性为目标用户构建加权异构网络；采用自底向上模块度增值的社区发现方法挖掘目标用户在加权异构网络中的社区集合，并计算出目标用户归附相关社区集合中各个社区的隶属度值；根据社区隶属度值从加权异构网络中提取出设定数量的用户，生成目标用户的好友推荐集。本申请实施例通过融合用户间的兴趣相似性和社交亲密性，明显改善了好友推荐的准确度，显著提高了好友推荐的效率。

技术领域

本申请属于社交网络技术领域，特别涉及一种线性时间好友推荐方法、系统、终端以及存储介质。

背景技术

社交网络中，好友推荐随处可见。好友推荐算法能够帮助目标用户快速地从众多其他用户中找到适合自己的好友，从而协助目标用户迅速扩充社交圈以便改良使用体验。

现有的好友推荐方法主要包括：

一、基于语义相似性的方法；该方法为每个用户构建一个用户模型，以描述其统计信息或者问卷调研答案等特征属性，根据特征属性进行好友推荐。然而，该方法的好友推荐机制完全忽略了用户间的社交关系，从而未能进行高精准的链路预测。

二、基于社交互动性；该方法利用用户间的社交网络结构(如共同好友的数量)向目标用户推荐好友。然而，该方法并没有考虑社交媒体中丰富的语义内容，其推荐精度有待进一步提高。

三、基于协同过滤性的方法；该方法提供分析用户间的社交关系和项目间的依赖关系，以估计新的用户关联。然而，该方法仅将社交关系作为机器学习的众多因素之一，未能实现社交互动关联在好友推荐中的重要作用，使得链路预测精度不够理想。

发明内容

本申请提供了一种线性时间好友推荐方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种线性时间好友推荐方法，包括：

基于社交网络中用户发布的文本内容数据估算每个用户的主题兴趣度，并根据所述主题兴趣度计算用户间的兴趣相似性；

根据社交网络中用户的社交互动行为计算用户间的社交亲密性；

根据所述兴趣相似性与社交亲密性为目标用户构建加权异构网络；所述加权异构网络中包括与目标用户具备共同兴趣或共同好友的潜在好友候选人；

采用自底向上模块度增值的社区发现方法挖掘所述目标用户在加权异构网络中的社区集合，并计算出所述目标用户归附所述社区集合中各个社区的社区隶属度值；

根据所述社区隶属度值从加权异构网络中提取出设定数量的用户，生成所述目标用户的好友推荐集。

本申请实施例采取的技术方案还包括：所述基于社交网络中用户发布的文本内容数据估算每个用户的主题兴趣度包括：

将用户在社交网络上发布的文本集合视为相关主题的概率分布，表示为将每个主题视为大量词语的概率分布，表示为和分别具有狄利克雷先验的超参数和

采用吉布斯采样估算D个文本集合在主题上的分布以及T个主题在词语上的分布用户的主题兴趣度估算结果矩阵表示为：

|D|×|T|矩阵，标记为DT，其中|D|表示用户数量，|T|表示主题数量，DT_ij表示用户u_i的文本集合中被划分到主题t_j的词语个数；