[发明专利]基于活动相似和社交信任的社交网好友推荐系统及方法

摘要

本发明一种基于活动相似和社交信任的社交网好友推荐系统及方法，属于信息推荐和数据挖掘领域，该方法主要是利用用户社交信任值和活动偏好相似性来实现基于位置社交网络中好友推荐，由于活动可以体现用户兴趣偏好，因此通过用户间活动相似性发现与其偏好相似的好友；由于社交信任能反映用户间交互紧密程度，因此根据不同程度信任关系进行好友推荐具有更合理的可解释性；实验证明，本发明推荐效果在准确性和合理解释性上均优于现存的好友推荐方法，实际应用价值很高，如果能得到推广，对企事业单位明确目标客户范围，提高广告服务的关联度和准确性，提高广告营销价值均有重要的指导和决策意义。

主权项

一种采用基于活动相似和社交信任的社交网好友推荐系统进行的方法，该系统设置于计算机中，包括用户活动关键词库构建模块、用户活动分类识别模块、用户活动相似性计算模块、用户信任关系构建模块、用户信任值计算模块和好友推荐模块，其中，用户活动关键词库构建模块：用于根据用户的活动类别和每个活动类别中所对应的词条构建词库；用户活动分类识别模块：用于提取用户在第三方应用上所发布的信息，并根据提取的信息在用户活动关键词库构建模块中进行匹配，获取用户的活动类别集合；用户活动相似性计算模块：用于根据某类活动对应词条在目标用户发布信息中出现的次数、该类活动对应词条在其他用户发布信息中出现的次数、用户总数和包含该类活动的用户数，获得该类活动相对于目标用户的重要程度，再根据每类活动相对于每个用户的重要程度，计算获得两个用户之间的相似度；用户信任关系构建模块：用于从第三方应用中判断目标用户与其他用户之间的交互关系，包括关注关系、评价关系和点赞关系；若为关注关系，则进一步判断目标用户与其他用户之间为直接关注关系或间接关注关系，如果是直接关注，则确定两者为直接信任关系，如果是间接关注，则确定两者为间接信任关系；若为评价关系和点赞关系，则确定两者为辅助信任关系；用户信任值计算模块：用于根据目标用户与其他用户之间的交互关系，确定目标用户与其他用户的直接信任值、间接信任值、辅助信任值、目标用户的全局信任值和局部信任值，进一步获得目标用户与其他用户之间的总体信任值；好友推荐模块：用于对目标用户和其他用户进行好友评分，并将分数从大到小进行排序，取前几名用户作为目标用户的好友进行推荐；其特征在于，包括以下步骤：步骤1、确定用户的活动类别和每个活动类别中所对应的词条，即完成在计算机中用户活动关键词库构建模块的构建；步骤2、采用计算机中的用户活动分类识别模块提取目标用户在第三方应用上所发布的信息，包括文本、图片标签、图片注释、视频标签和视频注释，并根据提取的信息在用户活动关键词库构建模块中进行匹配，获取该目标用户的活动类别集合；步骤3、重复步骤1至步骤2，获取其他目标用户的活动类别集合；步骤4、采用计算机中的用户活动相似性计算模块根据某类活动词条在目标用户的活动类别集合中出现次数，目标用户的活动类别集合中所有词条出现的次数、用户总数和包含该类活动的用户数，获得该类活动相对于目标用户的重要程度；步骤5、重复步骤4，分别获得每类活动相对于目标用户的重要程度；步骤6、重复步骤4至步骤5，获得每类活动相对于其他用户的重要程度；步骤7、采用计算机中的用户活动相似性计算模块根据每类活动相对于每个用户的重要程度，计算获得两个用户之间活动的相似度；步骤8、采用计算机中的用户信任关系构建模块从第三方应用中判断目标用户与其他用户之间的交互关系，包括关注关系、评价关系和点赞关系，若为关注关系，则执行步骤9，若为评价关系和点赞关系，则执行步骤10；步骤9、采用计算机中的用户信任关系构建模块从第三方应用中判断目标用户与其他用户之间为直接关注关系或间接关注关系，若为直接关注，则确定两者为直接信任关系，若为间接关注，则确定两者为间接信任关系；步骤10、确定两者为辅助信任关系；步骤11、采用计算机中的用户信任值计算模块确定目标用户与其他用户之间的总体信任值，具体如下：步骤11‑1、根据目标用户关注的用户数和被关注的用户数，其他目标用户关注的用户数和被关注用户数，确定目标用户与其他用户的直接信任值；计算公式如下：dTru(ui,uj)=in(uj)in(uj)+out(ui)---(1)]]>其中，dTru(ui，uj)表示用户ui与用户uj的直接信任值；in(uj)表示用户uj的被关注用户数；out(ui)表示用户ui关注的用户数；ui为目标用户；步骤11‑2、根据用户两两之间的直接信任值，确定获得多条路径下，目标用户与其他用户的间接信任值；目标用户与其他用户在第p条路径下的间接信任值计算公式如下：iTru(ui,uj)pn=Πm=ij-1dTru(um,um+1)---(2)]]>其中，表示第p条路径下，用户ui与用户uj的间接信任值；dTru(um，um+1)表示用户um与用户um+1的直接信任值，m＝i，...，j‑1；n表示路径长度，n＝2或3，p表示第p条路径；目标用户与其他用户在获得多条路径下的间接信任值计算公式如下：iTru(ui,uj)=1NΣp=1NiTru(ui,uj)pn---(3)]]>其中，iTru(ui，uj)表示用户ui与用户uj的间接信任值；N表示路径条数；步骤11‑3、根据用户两两之间的评价和点赞次数，及用户两两之间的评价和点赞次数最大值，确定目标用户与其他用户的辅助信任值；计算公式如下：sTru(ui,uj)=Cijmax{C}---(4)]]>其中，sTru(ui，uj)表示用户ui与用户uj的辅助信任值；Cij表示用户ui对用户uj进行的评价和点赞次数；max{C}表示用户两两之间的评价和点赞次数最大值；步骤11‑4、根据获得的目标用户与其他用户的直接信任值、间接信任值和辅助信任值，确定目标用户的局部信任值；计算公式如下：lTru(ui，uj)＝α*dTru(ui，uj)+β*iTru(ui，uj)+γ*sTru(ui，uj)  (5)其中，lTru(ui，uj)表示用户ui与用户uj的局部信任值；α＝0.5±0.2、β＝0.3±0.2、γ＝1‑α‑β；步骤11‑5、根据目标用户ui的全部所用用户中，被关注数的最大值和最小值，及某个所用用户uj的被关注数，确定目标用户某个所用用户uj的全局信任值；计算公式如下：gTru(uj)=in(uj)-minuk∈U{in(uk)}maxuk∈U{in(uk)}-minuk∈U{in(uk)}---(6)]]>其中，gTru(uj)表示目标用户ui的某个所用用户uj的全局信任值；in(uj)表示用户uj的被关注数，表示被关注用户数最小值，表示被关注用户数最大值；步骤11‑6、根据获得的目标用户的局部信任值和全局信任值，确定目标用户的总体信任值；计算公式如下：tTru(ui，uj)＝ω*lTru(ui，uj)+(1‑ω)*gTru(uj)  (7)其中，tTru(ui，uj)表示用户ui对于用户uj的总体信任值，ω表示调整因子，ω＝0.7±0.2；步骤12、采用计算机中的好友推荐模块对目标用户和其他用户进行好友评分，并将分数从大到小进行排序，取前几名用户作为目标用户的好友进行推荐；好友评分计算公式如下：score(ui，uj)＝ξ×simAct(ui，uj)+(1‑ξ)×tTru(ui，uj)  (8)其中，score(ui，uj)表示用户ui对于用户uj的好友评分，ξ表示调整因子，ξ＝0.6±0.2；simAct(ui，uj)表示用户ui对于用户uj的相似度。