[發(fā)明專利]一種基于社區(qū)發(fā)現(xiàn)的社交網(wǎng)絡好友推薦方法

有效

• 申請?zhí)枺?/td>: 201410305704.X
• 申請日: 2014-06-30
• 公開（公告）號: CN104021233B
• 公開（公告）日: 2017-02-15
• 發(fā)明（設計）人: 屈鴻;蘭冰;馮旻昱;吳詩文;劉金鳳
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 成都華風專利事務所(普通合伙)51223
• 代理人: 徐豐

技術領域

一種基于社區(qū)發(fā)現(xiàn)的社交網(wǎng)絡好友推薦方法，利用社交網(wǎng)絡具有的典型復雜網(wǎng)絡特性，找到社交網(wǎng)絡中用戶的興趣愛好社區(qū)，利用用戶的興趣愛好和朋友關系進行好友推薦，提高個性化推薦的準確度和社交服務的用戶體驗，涉及數(shù)據(jù)挖掘、社交網(wǎng)絡、個性化推薦等領域。

背景技術

社交網(wǎng)絡是典型的復雜網(wǎng)絡，具有復雜網(wǎng)絡的小世界特性(small-world)、無標度(scale-free)特性和社團結(jié)構(gòu)特性。

小世界特性指的是在網(wǎng)絡規(guī)模很大的情況下，任意兩個網(wǎng)絡節(jié)點之間可以通過相對較小的步驟建立聯(lián)系。社交網(wǎng)絡不僅完全符合“六度分離”理論，而且具有較小的特征路徑長度，符合復雜網(wǎng)絡的小世界特性。

無標度特性是指網(wǎng)絡中的少數(shù)節(jié)點擁有大量的連接，而大部分節(jié)點只與很少的節(jié)點連接，無標度特性反應了用戶聚集的集中性。在社交網(wǎng)絡中新加入的用戶更傾向于和活躍用戶建立連接，比如用戶加入Twitter時，首先關注自己喜歡的明星，隨著網(wǎng)絡規(guī)模的增加，類似明星這樣的節(jié)點得到的連接越來越多。

社團結(jié)構(gòu)是指網(wǎng)絡中所有的節(jié)點的聯(lián)系是有規(guī)律的，一些節(jié)點的邊連接非常緊密，成為規(guī)模網(wǎng)絡中的一個密集子網(wǎng)。在社團內(nèi)部，節(jié)點之間的聯(lián)系非常緊密，而社團與社團之間的節(jié)點聯(lián)系非常稀疏。

個性化推薦技術主要包括：協(xié)同過濾、基于內(nèi)容的過濾、基于知識的過濾和混合推薦。其中，應用最廣泛的協(xié)同過濾又分為基于用戶的協(xié)同過濾、基于項目的協(xié)同過濾，基于隱語義模型的協(xié)同過濾和基于圖模型的協(xié)同過濾等。

協(xié)同過濾的基本思想是通過用戶的歷史行為來預測目標用戶最可能喜歡哪些物品或?qū)δ男┪锲犯信d趣。通過分析得到用戶的興趣愛好，在所有用戶中找到與目標用戶有相似興趣的用戶，綜合這些相似用戶對某一物品的行為(點擊、評分等)，預測目標用戶對物品的喜好程度。不同的推薦算法根據(jù)不同的推薦策略進行推薦，每種算法都有自己的優(yōu)勢和缺點，適用于不同的應用場景。

好友推薦是SNS社交網(wǎng)絡的基礎服務，現(xiàn)有的好友推薦大致可以分為兩類：一類是基于用戶的社交關系，包括“朋友的朋友”和共同好友的數(shù)量來進行推薦，比如Facebook上“People?you?may?know”，就是通過推薦和自己沒有朋友關系但是和自己的朋友有朋友關系的用戶；還有基于共同朋友的數(shù)量，共同朋友越多，說明用戶在現(xiàn)實生活中也可能認識，比如國內(nèi)社交網(wǎng)站人人網(wǎng)，在推薦朋友時把共同好友數(shù)量越多的用戶認為可能是同學。另外一類是基于用戶的興趣愛好，比如在Twitter上，會根據(jù)你關注的人找到和這些用戶類型相同的用戶，當?shù)顷懯醉摃r，頁面上的“Who?to?Follow”就會出現(xiàn)用戶推薦列表，認為用戶也會對他們感興趣。

現(xiàn)有的社區(qū)發(fā)現(xiàn)算法通常僅僅利用社交網(wǎng)絡的用戶朋友關系網(wǎng)絡拓撲圖，而且找到的社區(qū)是非重疊社區(qū)。另外，現(xiàn)有的好友推薦方法常常只利用了用戶的朋友關系，沒有考慮用戶的興趣愛好或者沒有考慮用戶興趣愛好的動態(tài)變化。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術的不足之處提供一種基于社區(qū)發(fā)現(xiàn)的社交網(wǎng)絡好友推薦方法，結(jié)合社交網(wǎng)絡的社團結(jié)構(gòu)特性，基于用戶的興趣愛好和用戶的朋友關系尋找社交網(wǎng)絡中的重疊社區(qū)，提高個性化推薦的準確度和社交服務的用戶體驗。

為實現(xiàn)上述目的，本發(fā)明采用的技術方案為：

一種基于社區(qū)發(fā)現(xiàn)的社交網(wǎng)絡好友推薦方法，其特征在于，如下步驟：

(1)采集社交網(wǎng)絡中用戶歷史數(shù)據(jù)，對用戶的興趣愛好建模，得到每個用戶的偏好向量集合，從而得到所有用戶的偏好向量集合；

(2)根據(jù)每個用戶的偏好向量集合中表示用戶的興趣愛好偏好向量和表示用戶的朋友關系偏好向量對用戶聚類，找出社交網(wǎng)絡中每個用戶所在的興趣愛好重疊社區(qū)和朋友關系重疊社區(qū)；

(3)根據(jù)每個用戶所在的興趣愛好重疊社區(qū)和朋友關系重疊社區(qū)，得到目標用戶的初始待推薦好友列表，并對得到的初始待推薦好友列表進行過濾和排序，得到最終的待推薦好友列表。

作為優(yōu)選，所述步驟(1)中，對用戶的興趣愛好建模的具體步驟如下：

(11)對用戶歷史數(shù)據(jù)去噪，將不能明確表示用戶的興趣愛好的數(shù)據(jù)過濾掉，即刪除用戶共同行為量最大的數(shù)據(jù)部分；

(12)對過濾后的數(shù)據(jù)進行歸一化處理，并用布爾類型表示；

(13)通過布爾類型量化用戶對項目的喜歡程度，獲得社交網(wǎng)絡中每個用戶的偏好向量集合。

作為優(yōu)選，所述步驟(2)中，找出社交網(wǎng)絡中每個用戶所在的興趣愛好重疊社區(qū)和朋友關系重疊社區(qū)的具體步驟如下：