[发明专利]一种基于社会推荐网络和机制设计的专家寻找方法和系统

权利要求书

1.一种基于社会推荐网络和机制设计的专家寻找方法，其特征在于，包含：

a.建立用户的属性向量；建立用户之间的社交网络的好友圈；

b.预设查找者，预设目标专家的特征向量，预设预算额度；其中，查找者和目标专家均属于所述用户；

c.对比目标专家的特征向量与查找者的好友圈中的好友的属性向量，如果好友的属性向量与目标专家的特征向量匹配，则该好友为目标专家，查找结束；否则，继续步骤d；

d.计算查找者的好友圈中的好友的属性向量与目标专家的特征向量的相似度，获取查找者的好友圈中的好友的报价，根据相似度和报价再计算查找者好友的分数；如果预算额度小于分数最小的好友的报价，则无法找到目标专家，查找结束；否则，继续步骤e；

e.把分数最小的好友作为查找者，将预算额度减去分数最小的好友的报价，继续步骤c。

2.如权利要求1所述的专家寻找方法，其特征在于，所述属性向量为一个m维的属性向量其中，每一维属性表示用户i的第j个属性的值，描述用户的特征和社会属性。

3.如权利要求2所述的专家寻找方法，其特征在于，所述建立用户之间的社交网络的好友圈的概率模型为：Pr(E_ij｜S_ij＝X)＝logit^-1(βX)＝1/(1+e^-βX)，表示用户i，j成为好友的事件E_ij为真，β为社交网络的预设参数；其中，表示用户i，j相似度向量；表示用户i，j的第k个属性的相似度；表示用户i，j的第k个属性间的距离。

4.如权利要求3所述的专家寻找方法，其特征在于，除用所述该概率模型建立该好友圈外，还可以用其它现有技术模型建立该好友圈。

5.如权利要求3所述的专家寻找方法，其特征在于，所述计算查找者的好友圈中的好友的属性向量与目标专家的特征向量的相似度的方法为：相似度s_k，t＝β·S_kt，表示相似度向量S_kt与社交网络的预设参数β之间的点积，其中满足两个条件和所述f（d^k,s_k，t)为d^k+(1-s_k,t)。

6.如权利要求1所述的专家寻找方法，其特征在于，所述步骤e还包括，向所述分数最小的好友发送报价确认信息。

7.一种基于社会推荐网络和机制设计的专家寻找系统，其特征在于，包括

初始化模块，用于建立用户的属性向量；建立用户之间的社交网络的好友圈；

预设模块，用于预设查找者，预设目标专家的特征向量，预设预算额度；其中，查找者和目标专家均属于所述用户；

比较模块，用于对比目标专家的特征向量与查找者的好友圈中的好友的属性向量；

计算模块，用于计算查找者的好友圈中的好友的属性向量与目标专家的特征向量的相似度，获取查找者的好友圈中的好友的报价，根据相似度和报价再计算查找者好友的分数；

循环模块，用于把相似度最小的好友作为查找者，将预算额度减去分数最小的好友的报价。

8.如权利要求7所述的系统，其特征在于，初始化模块包括

个人信息初始化单元，用于建立用户的属性向量；

好友圈初始化单元，用于建立用户之间的社交网络的好友圈。

9.如权利要求7所述的系统，其特征在于，计算模块包括

相似度计算单元，用于计算查找者的好友圈中的好友的属性向量与目标专家的特征向量的相似度；

报价获取单元，用于获取查找者的好友圈中的好友的报价；

分数计算单元，用于根据相似度和报价再计算查找者好友的分数。

10.如权利要求7所述的系统，其特征在于，循环模块包括

重设查找者单元，用于把相似度最小的好友作为查找者；

重设预算单元，用于将预算额度减去分数最小的好友的报价。