[發明專利]基于協同過濾的社交網絡推薦裝置及方法

有效

• 申請號: 201710106305.4
• 申請日: 2017-02-27
• 公開（公告）號: CN106709076B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 周智恒;勞志輝;俞政;黃俊楚;代雨琨;李立軍
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9537;G06F16/906;G06Q50/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 羅觀祥

本發明公開了一種基于協同過濾的社交網絡推薦裝置及方法，該推薦裝置通過對社交網絡中的用戶行為數據和個人屬性進行特征歸類，根據用戶的歷史數據，不斷學習用戶的交友偏好，個性化的推薦不同的好友。相較于傳統的基于人口統計學和基于內容的推薦裝置相比，該推薦裝置強調了用戶之間的差異性，可針對用戶的歷史數據不斷學習并革新推薦引擎，具有更強的魯棒性。并且，利用協同過濾思想，更符合用戶在真實社交場景中的交友情景，推薦的結果也會趨向于精確化。

技術領域

本發明涉及信息推薦的技術領域，具體涉及一種基于協同過濾的社交網絡推薦裝置及方法。

背景技術

概述互聯網信息的迅速增長產生了海量的數據,用戶往往要耗費大量的時間和精力,才能找到自己感興趣的信息。低效率的互聯網信息檢索技術已經成為阻礙用戶有效利用信息的瓶頸,推薦技術就是在這樣的背景下產生的。推薦技術可以有效解決信息過載的問題,從海量數據中檢索到對用戶有所幫助的內容。目前的推薦技術在同一時刻一般都是為單個用戶進行推薦,但現實應用中可能經常需要為某一群體進行推薦,比如一個旅游團要旅游的目的地、一次聚會的用餐地點以及一個家庭的觀影計劃等。群體成員間的興趣愛好具有很大的差異性,所以傳統的推薦技術已經難以適用于群體推薦的要求,研究基于社交網絡的群體推薦技術就具有重要的現實意義。

推薦裝置及社交網絡群體推薦裝置的研究涉及到個人推薦裝置、社交網絡以及群體決策等技術領域。現存的推薦裝置多數為個人推薦裝置,即推薦行為旨在為單個用戶提供服務,其最常用的推薦算法為協同過濾推薦算法和基于內容的推薦算法；協同過濾算法借鑒與被推薦用戶具有相似興趣的用戶的行為進行推薦,基于內容的推薦算法分析被推薦用戶訪問的歷史內容,并利用不同內容的相似程度來進行推薦。

發明內容

本發明的第一個目的是為了解決現有技術中的上述缺陷，提供一種基于協同過濾的社交網絡推薦裝置。

本發明的另一個目的是為了解決現有技術中的上述缺陷，提供一種基于協同過濾的社交網絡推薦方法。

本發明的第一個目的可以通過采取如下技術方案達到：

一種基于協同過濾的社交網絡推薦裝置，所述推薦裝置包括依次連接的啟動模塊、過濾模塊、推薦模塊和排序模塊，

其中，所述啟動模塊用于對推薦社交網絡用戶的行為數據和個人屬性進行初始化定義，將用戶的行為分類并設置初始搜索引擎的條件，向推薦引擎發起推薦請求，并將初始化的數據集發送給推薦引擎；

所述過濾模塊通過社交網絡中設置的基礎搜索條件，由基礎搜索引擎過濾掉不符合要求的用戶，形成可推薦候選集A；

所述推薦模塊將可推薦候選集A根據用戶歷史行為和數據進行篩選，得出基本的用戶感興趣集，并基于用戶的協同過濾思想，得到各個用戶的可推薦結果集B；

所述排序模塊根據可推薦結果集B，對社交網絡用戶的行為數據和個人屬性進行劃分，將社交網絡用戶感興趣集進行排序，得到初步推薦列表C。

進一步地，用戶的初始個人屬性由用戶在注冊時填寫，推薦引擎可以根據用戶填寫的個人屬性值，為初始用戶進行特征劃分。

進一步地，當過濾篩選后的可推薦候選集A中人數不足最低計算人數時，所述啟動模塊中推薦引擎將發送指令，由社交網絡擴大篩選范圍或者增加篩選人數。

本發明的另一個目的可以通過采取如下技術方案達到：

一種基于協同過濾的社交網絡推薦方法，所述推薦方法包括下列步驟：

S1、啟動模塊通過業務方對推薦社交網絡用戶的行為數據和個人屬性進行初始化定義，將用戶的行為數據分類并設置初始搜索引擎的條件，完成初始化設定和推薦引擎接入后，向推薦引擎發起推薦請求，并將初始化的數據集發送給推薦引擎；