[發明專利]社交網絡中的潛在好友推薦方法

有效

• 申請號: 201410333744.5
• 申請日: 2014-07-14
• 公開（公告）號: CN104239399B
• 公開（公告）日: 2017-08-01
• 發明（設計）人: 陳秀真;李建華;李生紅;史辰燁;周泉
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海漢聲知識產權代理有限公司31236
• 代理人: 胡晶

1.一種社交網絡中的潛在好友推薦方法，包括如下步驟：

S01：從社交網絡服務器上獲得每位用戶在一年內發表的所有文章，并進行存儲記錄；

S02：統計每位用戶在每個主題下的文章總數；

S03：利用余弦定理依據以下公式計算用戶間的粗略相似度：

${\mathrm{similarity}}_{(i,j)}=\frac{\underset{t=1}{\overset{k}{\Σ}}{n}_{(i,t)}\×n_{(j,t)}}{\sqrt{{n_{(i,1)}}^2+{n_{(i,2)}}^2+\mathrm{...}+{n_{(i,k)}}^2}\sqrt{{n_{(j,1)}}^2+{n_{(j,2)}}^2+\mathrm{...}+{n_{(j,k)}}^2}}$

其中，similarity_(i,j)為用戶i與用戶j的粗略相似度，k為主題的數量，n_(i，t)表示用戶i在主題t下發表的文章數，n_(j，t)表示用戶j在主題t下發表的文章數；

對于一個特定的用戶，對其他用戶依據其與該特定的用戶之間粗略相似度similarity_(i,j)的大小進行排列，選出相似度最高的x個用戶作為該特定的用戶的潛在用戶粗略推薦表；

S04：根據該特定用戶和潛在用戶粗略推薦表中的每個用戶每個月在k個主題下發表的文章數，依據以下公式計算第m月與第m+1月之間的差異dif_i[m]：

${\mathrm{dif}}_i\[m\]=1-\frac{\underset{t=1}{\overset{k}{\Σ}}{n}_{(i,m+1,t)}\×n_{(i,m,t)}}{\sqrt{n_{(i,m+1,1)}^2+n_{(i,m+1,2)}^2+\mathrm{...}+n_{(i,m+1,k)}^2}\×\sqrt{n_{(i,m,1)}^2+n_{(i,m,2)}^2+\mathrm{...}+n_{(i,m,k)}^2}}$

n_(i，m，t)為用戶i在第m個月在t個主題下發表的文章數；

進而依據以下公式計算x個用戶中其中每個用戶在一年中的興趣變化敏感度λ_i：

${\mathrm{\λ}}_i=\frac{\underset{m=1}{\overset{11}{\Σ}}{\mathrm{dif}}_i\[m\]}{11}$

S05：統計該特定用戶和潛在用戶粗略推薦表中的每個用戶文章的發表時間，通過以下公式計算主題t中兩個用戶的相似度sim_t(i,j)：

${\mathrm{sim}}_t(i,j)=\frac{{\Σ}_{b=1}^{\left|n_{(i,t)}\right|}{\Σ}_{a=1}^{\left|n_{(j,t)}\right|}{e}^{-\mathrm{\λ}\left(time\right(a)-time(b\left)\right)}}{\left|n_{(i,t)}\right|\×\left|n_{(j,t)}\right|}$

其中，n_(i,t)與n_(j,t)分別為主題t中用戶i、用戶j各自擁有的文章總數，a為用戶j發表的有關主題t的文章編號，b為用戶i發表的有關主題t的文章編號，time(a)為用戶j發表的有關主題t的第a篇文章的時間，time(b)為用戶i發表的有關主題t的第b篇文章的時間，λ為敏感因子，所述敏感因子λ通過以下公式計算得到：

$\mathrm{\λ}=\frac{({\mathrm{\λ}}_i+{\mathrm{\λ}}_j)}{2}$

最終，通過以下公式獲得兩個用戶間的細化相似度sim(i,j)

$sim(i,j)=\frac{{\Σ}_{t=1}^{k-1}{\mathrm{sim}}_t(i,j)*(n_{(i,t)}+n_{(j,t)})}{{\Σ}_{t=1}^{k-1}(n_{(i,t)}+n_{(j,t)})}$

S06：對于該特定的用戶，將其粗略推薦列表中的x個用戶依據其與該特定的用戶之間的細化相似度sim(i,j)的大小進行排列，獲得最終的推薦列表，從而向該特定的用戶提供該最終的推薦列表。