[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

技術領域

本發明涉及計算機程序領域，尤其涉及一種社交網絡中的潛在好友推薦方法。

背景技術

Web 2.0的興起讓越來越多的網絡使用者參與到社交網絡中，他們熱衷于進行資源分享與信息互換，通過在線社交網絡的相互交流越來越多。針對用戶產生內容的研究不僅可以幫助商家了解各類不同用戶群對商品的喜好趨勢，也能改善多種網絡服務，對于提升用戶體驗具有重要的意義。

由于網絡用戶漸漸已經不滿足于現實中的朋友圈形成的社交圈，在社交網絡中找到擁有共同興趣愛好的陌生用戶成了眾多用戶的需求。在社交網絡中，擴大用戶的交友圈是社交網絡發展的主要方式之一，有效地找到感興趣的聯系人可以給予用戶交友或者職業上的幫助。然而，現有系統提供的好友推薦功能并不十分理想。因此，提出一種有效的好友推薦機制具有很強的現實意義。

經文獻檢索發現，Chen W和Fong S在文章“Social network collaborating filtering framework and online trust factors:A case study on Facebook”(“通過研究Facebook數據，結合信任因素的社交網絡協同過濾過濾模型”)(2010fifth international conference on ICDIM,IEEE 2010:266-273)中提出信任因素與協同過濾模型相結合的推薦方法，具體為：首先，利用數據挖掘的方法(決策樹和關聯規則)分析用戶數據，得出社交活動中各要素對用戶信任度的影響。然后將這些信任度影響因素量化，作為協同過濾模型的一部分輸入。最后，結合用戶特征進行協同過濾推薦。但是該方法在量化信任度各要素的權重時存在一定的困難，不能很好的確定各要素的權重，這勢必對最終的推薦結果帶來一定的 影響。

經文獻檢索發現，Nitai B.Silva和Ing-Ren Tsang等人在文章“A graph-based friend recommendation system using genetic algorithm”(“利用遺傳算法的基于圖結構的好友推薦系統”)(2010IEEE congress on Evolutionary Computation,2010:1-7)提出利用網絡拓撲結構來推薦好友。具體為：首先，分割出當前用戶一定距離內的本地子圖，然后利用遺傳算法分析用戶的好友以及好友的好友的網絡結構特征，過濾出成為好友概率較大的節點推薦給用戶。但是，該推薦系統是一種熟人推薦機制，對用戶拓展交友圈貢獻不是很顯著。

發明內容

本發明要解決的技術問題是如何拓展好友推薦的范圍，進而在大范圍中更準確有效地實現好友的推薦。

為了解決這一技術問題，本發明提供了兩種相類似的社交網絡中的潛在好友推薦方法，其中一種方法包括如下步驟：

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；

完成步驟S02后，依次進行步驟S03和S04，完成步驟S04后，實施步驟S05，其中：

S03：利用余弦定理依據以下公式計算用戶間的粗略相似度：

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]：

進而依據以下公式計算x個用戶中每個用戶在一年中的興趣變化敏感度λ_i：

S05：統計文章的發表時間，通過以下公式計算主題t中兩個用戶的相似度sim_t(i,j)：