[發(fā)明專利]一種基于近鄰關(guān)系的微博系統(tǒng)朋友推薦方法

有效

• 申請?zhí)枺?/td>: 201510573898.6
• 申請日: 2015-09-10
• 公開（公告）號: CN105141508B
• 公開（公告）日: 2018-03-06
• 發(fā)明（設(shè)計）人: 朱金奇;馬春梅;張兆年
• 申請（專利權(quán)）人: 天津師范大學(xué)
• 主分類號: H04L12/58
• 分類號: H04L12/58;G06F17/30;G06F17/27
• 代理公司: 天津市杰盈專利代理有限公司12207
• 代理人: 朱紅星

本發(fā)明得到國家自然科學(xué)基金(61103227,61272526)的資助。

技術(shù)領(lǐng)域

本發(fā)明涉及利用微博興趣挖掘增進Internet用戶之間的在線社交互動，特別是涉及一種基于近鄰關(guān)系的全新微博系統(tǒng)朋友推薦方法。

背景技術(shù)

微博系統(tǒng)(micro-blogging systems)，尤其是Twitter和Weibo，在當(dāng)今得到了巨大的發(fā)展。截至到2013年Twitter擁有超過1.4億的活躍用戶每天發(fā)布超過3.4億條消息。Weibo也積聚了超過4億的用戶，每秒鐘發(fā)布的微博消息高達1000條。用戶發(fā)布的海量微博內(nèi)容展示了社交媒體平臺下的大數(shù)據(jù)環(huán)境。不僅如此，微博系統(tǒng)（例如Twitter和Weibo）還呈現(xiàn)出強大的媒體特性，為微博用戶提供了推薦和添加新朋友、傳播突發(fā)新聞、信息共享等強大而便捷的功能。

微博系統(tǒng)最基本的功能之一是增進Internet用戶之間的在線社交互動。作為增進用戶在線交流的主要途徑之一，朋友推薦(friend recommendation) 成為近年來的研究熱點。例如，Moricz等提出具有共同朋友的用戶可能彼此相識并據(jù)此設(shè)計推薦算法，只把具有高度相關(guān)性的用戶相互推薦。有文獻利用鏈接預(yù)測如基于“朋友的朋友”這一策略向某一用戶推薦另一個用戶。Deng等把基于用戶熟人(如親人、朋友等)的網(wǎng)絡(luò)系統(tǒng)進行推薦與基于用戶之間的相似程度進行推薦這兩種推薦策略進行了對比。有些文獻則推薦Twitter用戶利用協(xié)同過濾算法進行相互關(guān)注。然而，上述研究工作在進行朋友推薦時沒有考慮用戶所發(fā)微博內(nèi)容之間的潛在聯(lián)系，使用戶難以在海量信息中精確獲得自己真正感興趣的資源。

事實上，成千上萬微博用戶所發(fā)布的海量微博內(nèi)容為獲取用戶的信息提供了機遇和挑戰(zhàn)。如果把微博用戶當(dāng)成“社會傳感器”，我們就能夠盡可能的收集他們的微博頁面信息（如所發(fā)微博，關(guān)注，粉絲等），并把收集的信息形成數(shù)據(jù)集，通過對數(shù)據(jù)集進行分析和挖掘來理解微博用戶的行為。其中一部分研究工作提出根據(jù)分析獲取的用戶興趣特征來提高朋友推薦的準(zhǔn)確性。如Zuo等發(fā)現(xiàn)具有類似興趣的人更容易彼此聯(lián)系交流。有文獻表明興趣相似的用戶之間的接觸頻率遠遠高于興趣不同的用戶。Chen等研究網(wǎng)絡(luò)用戶之間的推薦關(guān)系，以幫助用戶發(fā)現(xiàn)已知的接觸和社會網(wǎng)站上的新朋友。HSU等則提出基于協(xié)作推薦的方法。該方法使用社會網(wǎng)絡(luò)的鏈接結(jié)構(gòu)并利用相互表明興趣的內(nèi)容推薦來解決微博客和類似社會網(wǎng)絡(luò)中眾多鏈接之間的相互推薦問題。上述基于興趣的推薦策略看似促進了用戶的在線交流，然而事實上興趣匹配用戶之間的聯(lián)系頻率仍然較低。

此外，盡管近年來很多研究工作致力于基于社交媒體用戶潛在興趣的應(yīng)用，然而大多數(shù)這些研究忽略了用戶位置和興趣之間潛在的緊密關(guān)系。事實上，用戶近期發(fā)布的微博（Tweet）往往能夠反映出所發(fā)布者近期的興趣或行為。假設(shè)兩個興趣相似的微博用戶當(dāng)前正好位于同一活動場所并且彼此可見，那么相比于彼此不可見的虛擬用戶，他們更愿意建立相互之間的聯(lián)系與交流。例如用戶”Bob”喜歡旅游，而且”Bob”發(fā)現(xiàn)用戶”Alice”目前就在自己附近且也非常愛好旅游。由于兩人就在各自周圍，他們在彼此視線范圍內(nèi)發(fā)現(xiàn)對方的可能性就非常大。如果”Bob”進一步發(fā)現(xiàn)”Alice”就坐在自己不遠處且正是自己喜歡的類型，他就很可能會與”Alice”交流并樂意在今后繼續(xù)和她保持聯(lián)系。然而現(xiàn)有相關(guān)工作均不能直接應(yīng)用于上述任務(wù)，因為它們均沒有考慮把微博用戶的位置和興趣相關(guān)聯(lián)。

為此，本發(fā)明提出了基于近鄰的朋友推薦(neighbor based friend recommendation, NBFR)這一全新思想，使位于同一場所的興趣相似用戶之間相互發(fā)現(xiàn)。由于現(xiàn)實世界中位于同一場所的用戶在彼此視線范圍內(nèi)發(fā)現(xiàn)對方的可能性很大，通過把同一場所內(nèi)興趣愛好相似的微博用戶相互推薦，為社交媒體用戶提供了與周圍可能感興趣的人進行聯(lián)系的有效途徑。隨著在線社交網(wǎng)絡(luò)的迅速發(fā)展，如今越來越多的人既是虛擬在線社交媒體的用戶又是現(xiàn)實社會的成員，而NBFR不僅考慮了微博用戶的興趣，同時還考慮微博用戶當(dāng)前所在的物理位置。通過把在線用戶的興趣與位置相結(jié)合，NBFR也架起了虛擬世界和現(xiàn)實世界聯(lián)系的橋梁。將來NBFR不僅能夠作為APP運行在智能手機上，還能開發(fā)成微博系統(tǒng)的一項基本功能以增強微博的可用性。NBFR的基本思想主要包括兩大部分：首先根據(jù)用戶所發(fā)海量微博來挖掘用戶的興趣，生成用戶主題興趣矩陣。其次，根據(jù)各個用戶的主題興趣向量來衡量用戶的興趣相似度。