[發明專利]基于社交網絡的弱關系和強關系的視頻推薦方法

有效

• 申請號: 201710371550.8
• 申請日: 2017-05-23
• 公開（公告）號: CN107220328B
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 趙悅;葉保留;陸桑璐
• 申請（專利權）人: 南京大學
• 主分類號: G06F16/735
• 分類號: G06F16/735;G06Q50/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 許丹丹

1.一種基于社交網絡的弱關系和強關系的視頻推薦方法，其特征在于，包括以下步驟：

1)基于用戶的弱關系好友的影響力、用戶與弱關系好友的相關度以及弱關系好友對視頻的行為特征，計算用戶對該視頻的第一預估點擊概率；

2)基于不同親密度的強關系好友對視頻的行為特征，計算用戶對該視頻的第二預估點擊概率；

3)線性融合第一預估點擊概率和第二預估點擊概率，得到用戶對該視頻的預估點擊概率；

4)基于用戶對視頻的行為觀察值以及用戶對視頻的預估點擊概率，構造損失函數；

5)采用隨機梯度算法對步驟1)-4)中的特征參數進行優化，使損失函數的值最小化，當損失函數的值滿足預定條件時，停止優化，最終得到用戶對視頻的點擊概率；

6)利用TopN算法向用戶推薦點擊概率最高的N個視頻。

2.根據權利要求1所述的基于社交網絡的弱關系和強關系的視頻推薦方法，其特征在于，所述步驟1)具體包括以下步驟：

11)計算用戶的弱關系好友的影響力influence(w)；

12)選取影響力最大的n個弱關系好友，形成弱關系好友集合W_n；

13)根據用戶點擊弱關系好友的視頻總數與用戶的視頻總數的比，得到用戶與弱關系好友的相關度r_u,w；

14)使用以下公式計算用戶對視頻t的第一預估點擊概率其中，f表示弱關系好友對視頻t的行為特征，F表示弱關系好友對視頻t的行為特征集合，b_f,w為弱關系好友w的行為特征f的權重，其通過高斯函數初始化，I^t_f,w是指示函數，表示弱關系好友w對視頻t是否有過行為，如果有，則I^t_f,w＝1，否則I^t_f,w＝0。

3.根據權利要求2所述的基于社交網絡的弱關系和強關系的視頻推薦方法，其特征在于，所述步驟11)具體包括以下步驟：

11a)通過高斯函數初始化用戶u的影響力influence(u)；

11b)根據用戶u所發的視頻被轉發的次數與其所發的視頻總數的比，得到用戶的轉發率Re(u)；

11c)采用Min-Max歸一化方法將用戶轉發率Re(u)映射至0到1之間；

11d)根據以下公式計算弱關系好友的影響力：其中，d為用戶游走的概率，即用戶點擊其他鏈接的概率，其通過高斯函數初始化，B表示關注了弱關系好友的粉絲集合，out(u)為用戶u關注的好友數；

11e)重復執行步驟11b)-11d)，直到弱關系好友的影響力收斂。

4.根據權利要求1所述的基于社交網絡的弱關系和強關系的視頻推薦方法，其特征在于，所述步驟2)具體包括以下步驟：

21)根據用戶u對強關系好友s的視頻的互動行為總數占用戶u的視頻總數的比，得到用戶u與強關系好友s的第一互動頻率f1；

22)根據強關系好友s對用戶u的視頻的互動行為總數占強關系好友s的視頻總數的比，得到強關系好友s與用戶u的第二互動頻率f2；

23)第一互動頻率f1和第二互動頻率f2形成互動頻率二元組(f1，f2)，根據該互動頻率二元組(f1，f2)，利用KMeans算法將強關系好友劃分到不同親密度的好友簇K中；

24)通過不同親密度的強關系好友對視頻t的行為特征f計算用戶對視頻t的第二預估點擊概率其中，b_f,s是簇K中強關系好友s的行為特征f的權重，其通過高斯函數初始化，是指示函數，表示簇K中的強關系好友對視頻t是否有過互動行為f，如果有，則否則