[发明专利]基于协同过滤的社交网络推荐装置及方法

说明书

本发明公开了一种基于协同过滤的社交网络推荐装置及方法，该推荐装置通过对社交网络中的用户行为数据和个人属性进行特征归类，根据用户的历史数据，不断学习用户的交友偏好，个性化的推荐不同的好友。相较于传统的基于人口统计学和基于内容的推荐装置相比，该推荐装置强调了用户之间的差异性，可针对用户的历史数据不断学习并革新推荐引擎，具有更强的鲁棒性。并且，利用协同过滤思想，更符合用户在真实社交场景中的交友情景，推荐的结果也会趋向于精确化。

技术领域

本发明涉及信息推荐的技术领域，具体涉及一种基于协同过滤的社交网络推荐装置及方法。

背景技术

概述互联网信息的迅速增长产生了海量的数据,用户往往要耗费大量的时间和精力,才能找到自己感兴趣的信息。低效率的互联网信息检索技术已经成为阻碍用户有效利用信息的瓶颈,推荐技术就是在这样的背景下产生的。推荐技术可以有效解决信息过载的问题,从海量数据中检索到对用户有所帮助的内容。目前的推荐技术在同一时刻一般都是为单个用户进行推荐,但现实应用中可能经常需要为某一群体进行推荐,比如一个旅游团要旅游的目的地、一次聚会的用餐地点以及一个家庭的观影计划等。群体成员间的兴趣爱好具有很大的差异性,所以传统的推荐技术已经难以适用于群体推荐的要求,研究基于社交网络的群体推荐技术就具有重要的现实意义。

推荐装置及社交网络群体推荐装置的研究涉及到个人推荐装置、社交网络以及群体决策等技术领域。现存的推荐装置多数为个人推荐装置,即推荐行为旨在为单个用户提供服务,其最常用的推荐算法为协同过滤推荐算法和基于内容的推荐算法；协同过滤算法借鉴与被推荐用户具有相似兴趣的用户的行为进行推荐,基于内容的推荐算法分析被推荐用户访问的历史内容,并利用不同内容的相似程度来进行推荐。

发明内容

本发明的第一个目的是为了解决现有技术中的上述缺陷，提供一种基于协同过滤的社交网络推荐装置。

本发明的另一个目的是为了解决现有技术中的上述缺陷，提供一种基于协同过滤的社交网络推荐方法。

本发明的第一个目的可以通过采取如下技术方案达到：

一种基于协同过滤的社交网络推荐装置，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。

进一步地，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。

进一步地，当过滤筛选后的可推荐候选集A中人数不足最低计算人数时，所述启动模块中推荐引擎将发送指令，由社交网络扩大筛选范围或者增加筛选人数。

本发明的另一个目的可以通过采取如下技术方案达到：

一种基于协同过滤的社交网络推荐方法，所述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；