[發(fā)明專利]通過分析用戶主動交友意愿進(jìn)行朋友推薦的方法

有效

• 申請?zhí)枺?/td>: 201410128737.1
• 申請日: 2014-04-01
• 公開（公告）號: CN103942278B
• 公開（公告）日: 2017-05-17
• 發(fā)明（設(shè)計(jì)）人: 王建民;王朝坤;張君
• 申請（專利權(quán)）人: 清華大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京匯信合知識產(chǎn)權(quán)代理有限公司11335
• 代理人: 王秀麗

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)社交網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別是涉及一種通過分析用戶主動交友意愿進(jìn)行朋友推薦的方法。

背景技術(shù)

在線社交網(wǎng)絡(luò)如今已經(jīng)融入到了人們的生活當(dāng)中，通過人人網(wǎng)、微博、微信等在線社交網(wǎng)絡(luò)平臺結(jié)交朋友、分享信息、互動娛樂，已經(jīng)成為人們的一種生活方式。社交網(wǎng)絡(luò)平臺的運(yùn)營者往往希望對用戶社交關(guān)系和社交行為進(jìn)行深入的分析挖掘，進(jìn)而為用戶提供個性化的推薦服務(wù)，以增強(qiáng)用戶活躍度和粘性。朋友推薦是社交網(wǎng)絡(luò)中最典型、最常見的推薦場景之一。朋友推薦的一般方法是，通過分析用戶現(xiàn)有的朋友，挖掘和提取用戶的個人偏好，進(jìn)而根據(jù)用戶的偏好進(jìn)行朋友推薦。因此，對用戶現(xiàn)有朋友的分析和用戶個人偏好的挖掘是提供精準(zhǔn)的朋友推薦服務(wù)重要的基礎(chǔ)性步驟。

在線社交網(wǎng)絡(luò)一般可以分為有向網(wǎng)絡(luò)和無向網(wǎng)絡(luò)兩大類。其中，有向網(wǎng)絡(luò)中的朋友關(guān)系是有指向性的，作為朋友的兩個用戶關(guān)系不對等。比如在微博上，一個用戶(稱為發(fā)起者)主動地關(guān)注另一個用戶(稱為接受者)，而接受者并不一定要反過來關(guān)注發(fā)起者。我們稱這樣帶有明顯的指向性的朋友關(guān)系為有向關(guān)系。而在另外一些社交網(wǎng)絡(luò)中，朋友關(guān)系不帶有明顯的指向性，在外界看來作為朋友的兩個用戶關(guān)系是對等的。比如在人人網(wǎng)上，我們只能看到某兩個用戶是朋友，而無法區(qū)分其中的發(fā)起者或者接受者。我們稱這樣沒有明顯的指向性的朋友關(guān)系為無向關(guān)系。

對于一對朋友組成的有向關(guān)系，我們也將接受者稱為發(fā)起者的一個積極朋友，將發(fā)起者稱為接受者的一個消極朋友。顯然，相比消極朋友，積極朋友是用戶主動添加和結(jié)交的朋友，更加體現(xiàn)了用戶的交友需求和意愿。因此，在有向社交網(wǎng)絡(luò)中我們應(yīng)該更加重視對用戶的所有積極朋友的特征進(jìn)行分析，進(jìn)而為用戶推薦更多的積極朋友。在無向社交網(wǎng)絡(luò)中，我們一般無法識別用戶的積極朋友和消極朋友，因此傳統(tǒng)的推薦方法一般認(rèn)為用戶和其所有朋友的關(guān)系都是對等的。然而，在我們實(shí)際生活中，朋友之間的關(guān)系往往并不完全對等，關(guān)系的產(chǎn)生過程仍然是有方向的，不同的用戶對于朋友關(guān)系的產(chǎn)生有著不同的意愿，只是其方向性往往無法觀察到，這就給無向社交網(wǎng)絡(luò)中的朋友推薦帶來了困難。如果不對無向關(guān)系中潛在的方向性和用戶交友意愿進(jìn)行識別，就可能無法真正識別用戶需求，產(chǎn)生低質(zhì)量的推薦結(jié)果。

因此，目前需要本領(lǐng)域技術(shù)人員迫切解決的一個技術(shù)問題就是：如何能夠創(chuàng)新地提出一種有效的推薦方法，從而實(shí)現(xiàn)更好地識別無向社交網(wǎng)絡(luò)中朋友之間所隱含著的有向關(guān)系，推斷用戶的交友意愿，更好地給用戶進(jìn)行朋友推薦。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種通過分析用戶主動交友意愿進(jìn)行朋友推薦的方法，對于無向社交網(wǎng)絡(luò)和無向社交關(guān)系中的用戶主動交友意愿進(jìn)行分析判斷，識別每一對關(guān)系的發(fā)起者和接受者，區(qū)分用戶的積極朋友和消極朋友，進(jìn)而提供更準(zhǔn)確的朋友推薦服務(wù)。

為了解決上述技術(shù)問題，本發(fā)明實(shí)施例公開了一種通過分析用戶主動交友意愿進(jìn)行朋友推薦的方法，包括：

初始化用戶交友意愿特征矩陣P和Q，并計(jì)算初始有向鄰接矩陣H；

獲取上述得到的有向鄰接矩陣H的綜合不一致性；

對于社交網(wǎng)絡(luò)中的每一對朋友關(guān)系或者每一個用戶，根據(jù)有向鄰接矩陣H關(guān)于P和Q的梯度更新矩陣P、Q中的相應(yīng)元素，并得到新的綜合不一致性更低的有向鄰接矩陣H；

對于社交網(wǎng)絡(luò)中的每一對朋友關(guān)系，根據(jù)最終的得到的有向鄰接矩陣H，識別其中的發(fā)起者和接受者，進(jìn)而區(qū)分每個用戶的積極朋友和消極朋友；

根據(jù)得到的有向鄰接矩陣H，按照每個用戶結(jié)交新朋友的意愿強(qiáng)度，產(chǎn)生向每一個用戶推薦的新朋友的列表。

優(yōu)選的，所述綜合不一致性包括有向鄰接矩陣H的度不一致性、三元結(jié)構(gòu)不一致性、相似度不一致性、協(xié)同不一致性和復(fù)雜度。

優(yōu)選的，所述獲取上述得到的有向鄰接矩陣H的綜合不一致性采用循環(huán)迭代計(jì)算方式獲取。

優(yōu)選的，所述初始化用戶交友特性矩陣采用隨機(jī)方式完成。

優(yōu)選的，所述更新矩陣P、Q中的相應(yīng)元素采用迭代方式進(jìn)行。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

本發(fā)明方法基于社會學(xué)原理，對無向社交關(guān)系中用戶的主動交友意愿進(jìn)行合理推斷，從而更加準(zhǔn)確地捕捉用戶的個人興趣和交友偏好，避免了傳統(tǒng)的推薦方法中不區(qū)分用戶交友意愿、將所有朋友對等看待的弊端，能夠?yàn)闊o向社交網(wǎng)絡(luò)提供更加準(zhǔn)確的朋友推薦服務(wù)。

同時，本發(fā)明也提供了一種通用的將普遍的無向社交網(wǎng)絡(luò)轉(zhuǎn)化為有向社交網(wǎng)絡(luò)的方法，能夠有利于社交網(wǎng)絡(luò)的各類進(jìn)一步分析工作，包括而不限于社交網(wǎng)絡(luò)用戶影響力計(jì)算、社區(qū)發(fā)現(xiàn)、口碑營銷等。

附圖說明