[發(fā)明專利]基于活動相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201410462802.4
• 申請日: 2014-09-11
• 公開（公告）號: CN104268171B
• 公開（公告）日: 2017-09-19
• 發(fā)明（設(shè)計）人: 于亞新;田宏增;隋鳴飛;續(xù)宗澤;王國仁
• 申請（專利權(quán)）人: 東北大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 沈陽東大知識產(chǎn)權(quán)代理有限公司21109
• 代理人: 梁焱

技術(shù)領(lǐng)域

本發(fā)明屬于信息推薦和數(shù)據(jù)挖掘領(lǐng)域，具體涉及一種基于活動相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)及方法。

背景技術(shù)

隨著社交網(wǎng)的日益繁榮和發(fā)展，整個世界幾乎已被社交網(wǎng)所覆蓋，其中尤其以基于位置的社交網(wǎng)絡(luò)服務(wù)LBSNs(Location-based Social Networks)最為引入注目。LBSNs通過記錄用戶在何時、何地發(fā)生了何種行為，來加強社交網(wǎng)與地理位置的關(guān)聯(lián)性，從而為企業(yè)提供各種營銷決策服務(wù)。

好友推薦是LBSNs眾多服務(wù)之一，也是目前學(xué)術(shù)界和工業(yè)界的研究熱點之一，但通過查閱相關(guān)資料得知，迄今為止，LBSNs中的好友推薦方法大都基于位置信息展開個性化推薦，一方面沒有充分考慮在某個位置所發(fā)生的語義活動對推薦的影響，另一方面即便涉及一些語義信息但使用的也不夠完整。事實上，LBSNs中有一部分應(yīng)用包含用戶活動語義信息，比如Instagram(照片分享)應(yīng)用中產(chǎn)生的照片語義描述標(biāo)簽和注釋，F(xiàn)oursquare(四方)應(yīng)用中的語義簽到信息等，這些語義信息在某種程度上體現(xiàn)出了用戶行為活動偏好，如果充分利用此信息可以有效提高推薦質(zhì)量，但這點卻一直被忽略。此外，在進行好友推薦時，除了要考慮用戶位間的活動相似性以外，用戶間是否具有社交信任關(guān)系也是一個非常重要的推薦依據(jù)，但這一因素在LBSNs好友推薦中也未引起足夠重視。

傳統(tǒng)LBSNs中，好友推薦主要是基于用戶共同好友數(shù)量、年齡職業(yè)等基本屬性相似方式實現(xiàn)，由于很少涉及對用戶活動興趣偏好和用戶之間信任關(guān)系的考率，導(dǎo)致推薦質(zhì)量不高。

發(fā)明內(nèi)容

針對目前好友推薦方法存在虛假推薦和未考慮用戶行為偏好問題，本發(fā)明提出一種基于活動相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)及方法，簡稱FRBTA(Friend Recommendation Based on Trust and Activity)方法，以達到提高實用價值、明確目標(biāo)客戶范圍、提高廣告服務(wù)的關(guān)聯(lián)度和準(zhǔn)確性、提高廣告營銷價值的目的。

一種基于活動相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)，該系統(tǒng)設(shè)置于計算機中，包括用戶活動關(guān)鍵詞庫構(gòu)建模塊、用戶活動分類識別模塊、用戶活動相似性計算模塊、用戶信任關(guān)系構(gòu)建模塊、用戶信任值計算模塊和好友推薦模塊，其中，

用戶活動關(guān)鍵詞庫構(gòu)建模塊：用于根據(jù)用戶的活動類別和每個活動類別中所對應(yīng)的詞條構(gòu)建詞庫；

用戶活動分類識別模塊：用于提取用戶在第三方應(yīng)用上所發(fā)布的信息，并根據(jù)提取的信 息在用戶活動關(guān)鍵詞庫構(gòu)建模塊中進行匹配，獲取用戶的活動類別集合；

用戶活動相似性計算模塊：用于根據(jù)某類活動對應(yīng)詞條在目標(biāo)用戶發(fā)布信息中出現(xiàn)的次數(shù)、該類活動對應(yīng)詞條在其他用戶發(fā)布信息中出現(xiàn)的次數(shù)、用戶總數(shù)和包含該類活動的用戶數(shù)，獲得該類活動相對于目標(biāo)用戶的重要程度，再根據(jù)每類活動相對于每個用戶的重要程度，計算獲得兩個用戶之間的相似度；

用戶信任關(guān)系構(gòu)建模塊：用于從第三方應(yīng)用中判斷目標(biāo)用戶與其他用戶之間的交互關(guān)系，包括關(guān)注關(guān)系、評價關(guān)系和點贊關(guān)系；若為關(guān)注關(guān)系，則進一步判斷目標(biāo)用戶與其他用戶之間為直接關(guān)注關(guān)系或間接關(guān)注關(guān)系，如果是直接關(guān)注，則確定兩者為直接信任關(guān)系，如果是間接關(guān)注，則確定兩者為間接信任關(guān)系；若為評價關(guān)系和點贊關(guān)系，則確定兩者為輔助信任關(guān)系；

用戶信任值計算模塊：用于根據(jù)目標(biāo)用戶與其他用戶之間的交互關(guān)系，確定目標(biāo)用戶與其他用戶的直接信任值、間接信任值、輔助信任值、目標(biāo)用戶的全局信任值和局部信任值，進一步獲得目標(biāo)用戶與其他用戶之間的總體信任值；

好友推薦模塊：用于對目標(biāo)用戶和其他用戶進行好友評分，并將分?jǐn)?shù)從大到小進行排序，取前幾名用戶作為目標(biāo)用戶的好友進行推薦。

采用基于活動相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)進行的方法，包括以下步驟：

步驟1、確定用戶的活動類別和每個活動類別中所對應(yīng)的詞條，即完成在計算機中用戶活動關(guān)鍵詞庫構(gòu)建模塊的構(gòu)建；

步驟2、采用計算機中的用戶活動分類識別模塊提取目標(biāo)用戶在第三方應(yīng)用上所發(fā)布的信息，包括文本、圖片標(biāo)簽、圖片注釋、視頻標(biāo)簽和視頻注釋，并根據(jù)提取的信息在用戶活動關(guān)鍵詞庫構(gòu)建模塊中進行匹配，獲取該目標(biāo)用戶的活動類別集合；

步驟3、重復(fù)步驟1至步驟2，獲取其他目標(biāo)用戶的活動類別集合；

步驟4、采用計算機中的用戶活動相似性計算模塊根據(jù)某類活動詞條在目標(biāo)用戶的活動類別集合中出現(xiàn)次數(shù)，目標(biāo)用戶的活動類別集合中所有詞條出現(xiàn)的次數(shù)、用戶總數(shù)和包含該類活動的用戶數(shù)，獲得該類活動相對于目標(biāo)用戶的重要程度；