[发明专利]基于潜在社群的信息推荐方法

说明书

技术领域

本发明涉及信息推荐技术领域，尤其涉及一种基于潜在社群的信息推荐方法。

背景技术

随着信息社会从“E社会(Electronic Society)”向“U社会(Universal、User-Centric、Ubiquitous Society)”的高级阶段发展，信息推荐技术的研究将具有越来越重要的理论意义和广阔的应用前景，能够被应用于电子商务、数字家庭、娱乐游戏、新闻等许多领域。这种转变的根本原因是计算环境正在实现从以CPU为中心的图灵模式单机向以互联网为中心的网络化跨越和转变；全球51乙移动用户，正通过微博客、Facebook、Twitter等新兴应用，以及移动设备上的各类传感器，改变着传统信息创造、传递、处理、体验的方式。正是网络化的进程加速了信息的交互与增值。2007年底，全球数字信息总量首次超出全球所拥有的存储总量，而在随后的3年里，云计算和物联网为代表的互联网应用深化，导致各类传感器的普及和基于Web2.0的服务混搭技术的风靡，各种新生数据源如雨后春笋般涌现。据美国《科学》杂志最新报道，截止2011年2月，全球生成、捕获与复制所产生的信息量相比2007年增长了4倍，逼近1300EB，信息总量已经达到了存储能力的两倍，同时，信息总冗余量也达到了75％的惊人比例。这种态势一方面给信息处理、通信和存储能力提出更高要求；另一方面，尽管所处的信息空间在急剧膨胀，但人们真正需求的只是那些与自己的兴趣、工作、专业、学习等相关的个性化信息，在信息社会的高级阶段，人们已从对简单信息的需求转化为对有用信息和知识信息的需求，海量信息必须经过过滤才不会对人形成困扰。如何快速、精准地为用户提供有价值的信息服务成为当前巨大的挑战性问题。因此，海量信息推荐的重点在于如何在合适的时间、合适的地点、选择合适的信息提供满足用户需求的服务。

社群(Group)是目前社会媒体网站中非常流行的一种机制，例如Youtube、Flickr等。用户能够手工创建Group用于实现资源的功能与推荐。研究发现，超过一半的Flickr用户参与了至少一个Group，这表明用户热衷于抱团式的资源共享，同时Group又会吸引大量新用户，提高站点的热度。通常，每个Group包含一个或多个主题的资源，用户若对这些主题中的部分感兴趣，则可以加入这个Group，并与其中的所有用户分享资源。不过，目前的Group机制也存在一些不足：

.自组织：一个主题也许对应了大量Group，如Flickr中与“鸟”相关的主题有近3万个。对于这种情况，用户往往会不知错所，迷茫于到底加入哪个group；

.多义性：一个资源，无论是图像、视频或软件服务，往往包含了众多的语义信息，用户如何分类这些资源，并上传到对应的Group里，一直是个问题；

.潜意识性：用户经常会意识不到自己的实际兴趣，可能会错过很多Group加入；

.噪声：由于Group是一种完全自由、松散的方式构造起来的，导致很多Group中可能会存在一些与其主题无关的资源，或者对该主题并不是很感兴趣的用户，导致基于Group的推荐经常会导致错误。

正是由于目前Group的以上缺陷，导致了无序的资源推荐。因此，大部分研究着重于探索如何推荐合适的Group给用户，或者将一个资源推荐到合适的Group中。不过，尽管这些方法能够选出最适合的Group推荐给某个用户或某个资源，大多数兴趣相似的用户可能仍然分居在不同Group中，无法进行充分的资源共享与推荐。

发明内容

针对上述存在的技术问题，本发明的目的是提供一种基于潜在社群的信息推荐方法，实现准确高效而不失新颖的自动推荐。

为达到上述目的，本发明采用的技术方案为一种基于潜在社群的信息推荐方法，包含以下步骤：

步骤1，根据用户历史数据记录来进行用户兴趣模型挖掘，包括以下步骤，

步骤1.1，采用特征发现技术从用户交互过的信息中挖掘出兴趣；

步骤1.2，根据用户与信息交互次数的量化，衡量用户对兴趣的感兴趣程度；

步骤1.3，将用户、兴趣以及用户对兴趣的感兴趣程度组织成用户兴趣模型；

步骤2，基于用户兴趣模型进行潜在社群发现，并根据社群层次关系定义对潜在社群进行社群层次关系挖掘，得到社群层次结构；

所述潜在社群包括单一兴趣社群和多兴趣社群，一个社群的所有用户构成该社群的用户集，一个社群的所有兴趣构成该社群的兴趣集；

所述社群层次关系定义如下，