[发明专利]社交网络中一种安全的朋友推荐方法

说明书

技术领域

本发明涉及社交网络中的交友推荐方法，特别涉及社交网络中一种安全的朋友推荐方法。

背景技术

当前，随着计算机技术、现代网络技术的迅猛发展，人类社会开始进入信息化的时代，社交网络在生活中变得越来越普遍，人们开始越来越多的利用社交网络来发言、交友、聊天。预测即将出现的新的朋友关系是研究社交网络演化过程的重要途径之一。除了用户主动关注感兴趣的人之外，社交网络也会推荐可关注用户。然而，这些可关注用户大部分只是社交网络的推广，不一定符合你的兴趣。另外，社交网络也记录了大量的用户个人信息，包括用户的兴趣标签、好友互动等。通过对这些信息的详细分析，使得用户的网络形象更具象，能够确定用户真实身份的信息变得越来越多越来越明确，用户的隐私泄露问题也越来越严重。

专利[CN105740342A]公开一种基于社会关系主题模型的社交网络朋友推荐方法。专利[CN105141508A]公开了一种基于近邻关系的微博系统朋友推荐方法。以上两个专利虽然结合不同用户关键字来做朋友推荐，但没有考虑到用户的隐私保护问题，因此社交网络需要一个安全可靠的朋友推荐方案。

发明内容

为解决现有技术的不足，提供社交网络中一种安全的朋友推荐方法，本发明能很好地解决社交网络的用户隐私保护问题，为社交网络中的用户推荐志同道合且安全可靠的朋友，提高推荐方案的准确性以及安全性、可靠性。

为实现上述目的，本发明采用以下技术方案：

社交网络中一种安全的朋友推荐方法，包括以下步骤：

第一步，获取某段时间内用户的全部标签信息，按照标签个数进行分类，基于Word2Vec，根据上下文内容，训练得到所有标签的词向量；

第二步，基于标签匹配算法，分析用户标签的相似性，筛选用户，得到朋友候选者，具体步骤如下：

S21：基于第一步中得到的词向量，根据余弦相似度，计算得到与目标标签最相似的前n个标签，并且获取目标标签与他们的相似度；余弦值的范围在[-1,1]之间，值越趋近于1，代表两个向量的方向越趋近于0，他们的方向更加一致，相应的相似度也越高；余弦相似度：

其中x_i为词向量的横坐标，y_i为词向量的纵坐标，m为词向量的维数；

S22：选取合适的相似度阈值α_i；

对每标签用户组进行以下操作：

S221：在每个标签组中，每个用户以自己的标签集为原始标签集，进行组内匹配，得到以α_i为阈值的标签集合交集的大小，该阈值是用来判断两个标签是否满足相似的标准；阈值α_i即为S21中得到的与原始标签最为相似的前n个标签的相似度，i的取值范围为1—n；

S222：统计每组标签组交集大小的数据，得到S＝k时的个数NUM_s，其中S表示交集的大小，k的取值范围为0—p，其中p为原始标签集的标签个数；

S223：分别统计S＝0，S＝1，…，S＝p时，NUM_s的大小，分析NUM_s得到合适的相似度阈值；

S23：基于S22中的相似度阈值α_i，进行用户之间的标签匹配，得到朋友候选者，将S22中所有的用户混合在一起，组成一个新的数据集D，进行以下操作：

S231：计算主动匹配者输入的标签个数p；

p为奇数时，只有当相似标签个数大于等于时，匹配成功；

p为偶数，只有当相似标签个数大于时，匹配成功；

S232：将主动匹配者的标签集中每个标签依次作为原始标签，与被匹配用户的每一个标签去比较，用α_i作为阈值，如果与其中某个标签的相似度值大于α_i，停止比较，跳到步骤S233；

S233：判断主动匹配者的标签是否匹配完，如果没有则继续执行S232，如果匹配完，则停止，跳到S234；

S234：判断S的值是否满足S231中的要求，若满足，则成为朋友候选者，若不满足则过滤掉；

第三步，系统将第二步中得到的朋友候选者推荐给对应用户，用户基于隐私交换协议，自由选择对象成为朋友；

S31：主动匹配者U_m向权力中心发送交友请求申请，权力中心收到请求，

在系统中为U_m寻找朋友候选者；