[發(fā)明專利]一種基于LDA的加權(quán)平均的個(gè)性化好友推薦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710944430.2
• 申請(qǐng)日: 2017-10-12
• 公開（公告）號(hào): CN107767279A
• 公開（公告）日: 2018-03-06
• 發(fā)明（設(shè)計(jì)）人: 宮繼兵;宋艷青;高小霞;宋雅稀;劉吉輝
• 申請(qǐng)（專利權(quán)）人: 燕山大學(xué)
• 主分類號(hào): G06Q50/00
• 分類號(hào): G06Q50/00;G06F17/30
• 代理公司: 秦皇島一誠(chéng)知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙)13116
• 代理人: 續(xù)京沙

1.一種基于LDA的加權(quán)平均的個(gè)性化好友推薦方法，其特征在于：該方法把用戶的節(jié)點(diǎn)信息特征和社交網(wǎng)絡(luò)結(jié)構(gòu)特征利用加權(quán)平均的方法有效結(jié)合，建立統(tǒng)一模型的個(gè)性化好友推薦方法；所述用戶的節(jié)點(diǎn)信息特征是指用戶的靜態(tài)屬性；所述社交網(wǎng)絡(luò)結(jié)構(gòu)特征是指用戶的動(dòng)態(tài)行為；

所述方法具體內(nèi)容包括如下步驟：

步驟一：首先，獲取社交網(wǎng)絡(luò)中目標(biāo)用戶t的一度、二度、…m度好友形成候選好友集合C，提取目標(biāo)用戶和集合C中每個(gè)用戶的靜態(tài)屬性信息，即每個(gè)用戶都具有一個(gè)靜態(tài)屬性結(jié)構(gòu)，這些靜態(tài)屬性信息包括目標(biāo)用戶和候選用戶間的共同好友數(shù)，自身地理位置，以及在社交網(wǎng)中與自身相關(guān)的帖子；

步驟二：對(duì)于步驟一所述候選用戶相關(guān)帖子，利用LDA主題建模的方法，分析候選用戶關(guān)注的主題，從而推斷候選用戶的興趣愛好，身份地位和年齡性別信息；然后根據(jù)社交網(wǎng)絡(luò)目標(biāo)用戶的靜態(tài)屬性，包括目標(biāo)用戶與候選用戶的共同好友數(shù)，目標(biāo)用戶和候選用戶的地理位置，以及目標(biāo)用戶和候選用戶關(guān)注的“主題”，分別對(duì)候選集合中的候選用戶和目標(biāo)用戶進(jìn)行相似度計(jì)算，其計(jì)算依據(jù)如下：

①目標(biāo)用戶與候選用戶的共同好友數(shù)越多,目標(biāo)用戶與候選用戶的相似度就越高；

②線上行為可能影響線下行為，目標(biāo)用戶與候選用戶間的地理位置越近，目標(biāo)用戶與候選用戶間就越容易成為好友；

③目標(biāo)用戶和候選用戶共同的話題數(shù)越多，目標(biāo)用戶與候選用戶的興趣就越相似，成為好友的可能性也就越大；

利用加權(quán)平均的方法為上述的各個(gè)靜態(tài)屬性分別賦予一個(gè)權(quán)重，同時(shí)為了平衡上述靜態(tài)屬性在計(jì)算社交網(wǎng)絡(luò)中目標(biāo)用戶和候選用戶間相似度的重要程度，使用sigmod的函數(shù)對(duì)各個(gè)特征進(jìn)行縮放；

步驟三：考慮到社交網(wǎng)絡(luò)中用戶間的交互性行為以及社交網(wǎng)絡(luò)的動(dòng)態(tài)性，分析社交網(wǎng)絡(luò)中用戶的動(dòng)態(tài)行為信息，并綜合考慮用戶間動(dòng)態(tài)行為的關(guān)聯(lián)，將其建模到好友推薦方法中；其中用戶交互性行為包括：轉(zhuǎn)發(fā)行為、回復(fù)行為、評(píng)論行為、點(diǎn)贊行為和@行為，根據(jù)這些動(dòng)態(tài)行為,對(duì)這些用戶間的交互性行為進(jìn)行相似度計(jì)算；

步驟四：用加權(quán)平均法計(jì)算用戶間相似性；為社交網(wǎng)絡(luò)候選用戶的動(dòng)態(tài)行為分配權(quán)重，并把步驟二所述的目標(biāo)用戶的靜態(tài)屬性信息分配權(quán)重，將兩方面結(jié)合進(jìn)行統(tǒng)一建模，綜合計(jì)算目標(biāo)用戶與候選用戶間的相似度，最終得到目標(biāo)用戶對(duì)候選用戶的相似度向量，也就是目標(biāo)用戶對(duì)候選用戶的評(píng)分向量；

步驟五：對(duì)步驟四中所得到的目標(biāo)用戶對(duì)候選用戶評(píng)分向量進(jìn)行排序，把排名在前Top-N的候選用戶推薦給目標(biāo)用戶。

2.根據(jù)權(quán)利要求1所述的一種基于LDA的加權(quán)平均的個(gè)性化好友推薦方法，其特征在于：

所述轉(zhuǎn)發(fā)行為又包括：

①目標(biāo)用戶轉(zhuǎn)發(fā)候選用戶的帖子；

②目標(biāo)用戶和候選用戶在一段時(shí)間內(nèi)轉(zhuǎn)發(fā)同一篇帖子；

相似的，回復(fù)，點(diǎn)贊，評(píng)論和@在本發(fā)明中也都被定義為兩種形式；

所述回復(fù)行為，其限定條件包括：

①目標(biāo)用戶回復(fù)候選用戶的帖子；

②目標(biāo)用戶和候選用戶回復(fù)同一篇其他用戶的帖子；

所述點(diǎn)贊行為，其限定條件包括：

①目標(biāo)用戶給候選用戶的帖子點(diǎn)贊，或者候選用戶給目標(biāo)用戶的帖子點(diǎn)贊；

②目標(biāo)用戶和候選用戶同一段時(shí)間內(nèi)為其他用戶的同一篇帖子點(diǎn)贊；

所述評(píng)論行為，其限定條件包括：

①目標(biāo)用戶評(píng)論了候選用戶的帖子，或者候選用戶評(píng)論了目標(biāo)用戶的帖子；

②目標(biāo)用戶和候選用戶在一段時(shí)間內(nèi)共同評(píng)論了相同的一篇帖子；

所述@行為，其限定條件包括：

①目標(biāo)用戶@候選用戶，或者候選用戶@目標(biāo)用戶；

②目標(biāo)用戶和候選用戶在一段時(shí)間內(nèi)共同@第三個(gè)其他用戶。