[发明专利]基于协同过滤的社交网络推荐装置及方法

权利要求书

1.一种基于协同过滤的社交网络推荐装置，其特征在于，所述推荐装置包括依次连接的启动模块、过滤模块、推荐模块和排序模块，

其中，所述启动模块用于对推荐社交网络用户的行为数据和个人属性进行初始化定义，将用户的行为分类并设置初始搜索引擎的条件，向推荐引擎发起推荐请求，并将初始化的数据集发送给推荐引擎；

所述过滤模块通过社交网络中设置的基础搜索条件，由基础搜索引擎过滤掉不符合要求的用户，形成可推荐候选集A；

所述推荐模块将可推荐候选集A根据用户历史行为和数据进行筛选，得出基本的用户感兴趣集，并基于用户的协同过滤思想，得到各个用户的可推荐结果集B；

所述排序模块根据可推荐结果集B，对社交网络用户的行为数据和个人属性进行划分，将社交网络用户感兴趣集进行排序，得到初步推荐列表C；

基于上述社交网络推荐装置的推荐方法包括下列步骤：

S1、启动模块通过业务方对推荐社交网络用户的行为数据和个人属性进行初始化定义，将用户的行为数据分类并设置初始搜索引擎的条件，完成初始化设定和推荐引擎接入后，向推荐引擎发起推荐请求，并将初始化的数据集发送给推荐引擎；

S2、过滤模块通过推荐引擎根据业务方的初始搜索引擎的条件，将满足搜索条件的数据，汇总形成初步可推荐候选集，对初步可推荐候选集通过相似度判定得到相似用户集，并基于用户的协同过滤思想，进行数据筛选得到可推荐候选集A；

S3、推荐模块将可推荐候选集A根据推荐社交网络用户历史行为和数据进行筛选，得出基本的用户感兴趣集，并基于用户的协同过滤思想，得到各个推荐社交网络用户的可推荐结果集B；

所述步骤S3具体过程如下：

S301、将用户的行为分为T₁～T_K共K类，并对这K类行为分别进行权重赋值w₁～w_k，根据不同的用户行为区分为正面、负面以及高、中、低六个维度，赋值向量w的取值为w＝【-2,-1,0,1,2,3】；

S302、获取用户对社交网络用户的行为操作累加值得到用户对社交网络用户的喜好度H＝∑w；

S303、通过不同用户对各个社交网络用户的喜好度H，利用欧几里得距离

计算得到用户之间的相似度：

当两个用户之间的相似度sim(x,y)k时，其中k由业务方决定，即认为两者相似从而得到相似用户集，并基于用户的协同过滤思想，得到各个用户的可推荐结果集B；

S4、排序模块根据推荐社交网络用户的个人属性，对个人属性的特征值进行划分，根据用户的感兴趣集中各个特征值所占的比例，得到可推荐结果集B的用户中每个属性特征值所占的权重，并根据各个最显著的特征集去得到用户感知最敏感的属性，根据感知最敏感的属性的不同参考权重，将用户的感兴趣集进行排序，得到初步推荐列表C；

所述步骤S4具体过程如下：

S401、根据可推荐结果集B，对推荐社交网络用户的个人属性和特征值进行划分，设推荐社交网络用户的个人属性向量为：

属性S_i的特征值向量为：

S402、通过各个个人属性的区分度向量和候选推荐集构造属性特征矩阵；

对用户A而言，候选推荐集Q_T中某一社交网络用户的个人属性S_i的特征值v_k在所占的比例为则在候选推荐集Q_T中，设该社交网络用户的个人属性的特征值v_k所占的权重：

另，当i，k取任意可取值，

则认为个人属性S_x的区分度最强；各个属性的区分度取：

所以，当给出Q_A后，可得索性区分度向量：

得到Q_T后，可得社交网络用户的属性特征矩阵：

S403、根据属性特征矩阵和属性区分度向量，得到候选推荐集Q_T的各社交网络用户的推荐分数向量：

S404、根据得到的推荐分数向量对可推荐结果集B的排序，确定初步推荐列表C。

2.根据权利要求1所述的基于协同过滤的社交网络推荐装置，其特征在于，用户的初始个人属性由用户在注册时填写，推荐引擎可以根据用户填写的个人属性值，为初始用户进行特征划分。