[發明專利]海量用戶的二度人脈關系MapReduce推薦方法及系統

有效

• 申請號: 201310704592.0
• 申請日: 2013-12-18
• 公開（公告）號: CN103714135B
• 公開（公告）日: 2017-02-01
• 發明（設計）人: 張延鳳;張霞;趙立軍;任英杰
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京鴻元知識產權代理有限公司11327
• 代理人: 陳英俊

技術領域

本發明涉及海量用戶人脈關系技術領域，更為具體地，涉及一種海量用戶的二度人脈關系MapReduce推薦方法及系統。

背景技術

隨著SNS（Social?Networking?Services，社會性網絡服務）社區的興起，海量的用戶關注關系已經產生。SNS社區擁有的海量用戶關注關系，是一筆寶貴的數據財富，如何把用戶的一度人脈轉化為價值是SNS社區面臨的問題。同時在SNS社區運營過程中，一度人脈趨于穩定，基于海量用戶的一度人脈關系，分析用戶的二度人脈關系，結合SNS社區的垂直業務，開發出更加有競爭力的應用。這樣既可以給用戶帶來新鮮感，引導用戶加深對用戶二度人脈的認識，又可以延長用戶使用社區的粘性，延長用戶使用社區的時間，為社區帶來更多的流量和利潤，使用戶與價值得到統一和轉化。

面對用戶的關注關系，挖掘用戶的二度人脈是社區需要解決的問題，圖1示出了現有處理用戶的二度人脈的流程，如圖1所示，

S110：開始；

S120：海量用戶關注關系，A---B，B---C；

S130：查找用戶A關注的用戶集合SET1；

S140：查詢用戶結合SET1的關注者集合SET2；

S150：SET2中去掉用戶A已經關注的用戶；

S160：用戶A的二度人脈關系集合即為SET2；

S170：統計二度人脈的間接推薦次數；

S180：結束。

面對海量用戶數據量的計算，通常采用的處理手法就是并行計算。上述圖1的處理方法存在反復查詢的情況，如：用戶A和用戶B都關注了用戶C，則在計算用戶A和用戶B的二度人脈時，C都是間接關注，都需要去查詢用戶C的關注者。反復的查詢導致并行計算的效率并不能并行提高，處理效率也很低。

SNS社區在計算二度人脈關系時，不僅僅需要提高大數據計算的效率，同時在進行二度人脈關系推薦時，一度人脈需要考慮推薦權重；若一度人脈的粉絲數目比較多、用戶比較活躍，則一度人脈的推薦權重應該相應的提高。

為了解決上述的問題，需要提供一種新的計算方法，避免重復查詢，提高處理效率；同時在考慮一度人脈關系的時候，綜合考慮一度人脈的粉絲數、活躍度，給予相應的二度人脈推薦權重。

發明內容

鑒于上述問題，本發明的目的是提供一種海量用戶的二度人脈關系MapReduce推薦方法及系統，以解決重復查詢、推薦準確性和提高計算效率的問題。

根據本發明的一方面，提供一種海量用戶的二度人脈關系MapReduce推薦方法，在海量用戶的關注關系中，根據用戶的一度人脈關系通過兩步MapReduce的計算方法獲得用戶的二度人脈關系，并予以推薦；其中，

在海量用戶的關注關系中，若用戶A關注用戶B，用戶C關注用戶A，則用戶B為用戶A的好友，用戶C為用戶A的粉絲；并且，若用戶C通過用戶A推薦關注用戶B，則用戶B為用戶C的二度人脈，用戶A為用戶C和用戶B之間的間接關注者；用戶C通過在海量用戶的關注關系中的除用戶A的其他用戶關注用戶B，則其他用戶為用戶C和用戶B的間接關注者；并且，

在兩步MapReduce的計算方法中的第一步MapReduce的計算方法中，在海量用戶的關注關系中，根據用戶A的一度人脈，將用戶A的好友與用戶A的粉絲合并歸類，獲得用戶A的好友集合和用戶A的粉絲集合，同時并統計用戶A的粉絲的數量；其中，

用戶B在用戶A的好友集合中，用戶C在用戶A的粉絲集合中；并且，

在海量用戶的關注關系中，根據其他用戶的一度人脈，獲得其他用戶的好友集合和其他的用戶的粉絲集合，同時并統計其他用戶的粉絲數量；

在兩步MapReduce的計算方法中的第二步MapReduce的計算方法中，在海量用戶的關注關系中，用戶A的粉絲集合通過用戶A推薦關注用戶A的好友集合，用戶A的粉絲集合的二度人脈為用戶A的好友集合，其中，用戶A為用戶A的粉絲集合中的用戶C和用戶A的好友集中的用戶B的間接關注者；并且，

根據用戶A的粉絲的數量獲得用戶A的推薦權重值，根據其他用戶的粉絲的數量獲得其他用戶的推薦權重值；

將用戶A的推薦權重值和其他用戶的推薦權重值進行合并從而獲得最大的推薦權重值，并統計用戶C和用戶B之間的間接關注者的數量，其中，用戶C和用戶B之間的間接關注者的數量為用戶A和其他用戶的數量之和；

將用戶B推薦給所述用戶C，同時將最大的推薦權重值以及所有間接關注者推薦給用戶C，以完成用戶的二度人脈關系推薦。