[发明专利]一种基于局部网络中三元闭包信息的推荐方法

说明书

技术领域

本发明涉及网络推荐技术领域，特别是指一种基于局部网络中三元闭包信息的推荐方法。

背景技术

飞速发展的计算机、互联网和web技术改变了人们的生活，人们在虚拟社区中结交好友、在新闻网站中浏览新闻、在视频网站中观看电影、在虚拟图书馆中查阅书籍、在电商平台中购买物品。但是，人们在享受多彩生活的同时也感受到了信息膨胀带来的烦恼，即人们无法在海量数据中快速有效地找到最相关的信息。电影、书籍、网页等信息的数据量动辄以千万级，这些数据信息的增长速度已经远远超过了人类的自然处理能力。在这种大数据的背景下，用户获取所需信息的代价越来越大，仅仅依靠传统人力的方式已经无法评价和选择这些物品。

在这种情况下，有效过滤海量信息的最有吸引力的方法就是推荐系统。它是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖。研究者们提出了多样的推荐算法，其中，基于链路预测的推荐算法受到了广泛关注。

网络中的链路预测是指如何通过已知的网络结构等信息，预测网络中尚未产生连接的两个节点之间产生连接的可能性。网络中的顶点代表用户，边代表用户关系，链路预测问题正是对用户未来关系的分析。

发明内容

为了克服现有的推荐方法的精度较低的不足，本发明通过对网络局部结构信息的研究，提出了一种基于局部网络中三元闭包信息的的链路预测算法，并将该算法应用到推荐系统中，提出了一种有效地提高链路预测算法精度的基于局部网络中三元闭包信息的推荐方法。

本发明解决其技术问题所采用的技术具体步骤是：

一种基于网络局部结构信息过滤的推荐方法，包括以下步骤：

步骤一：获取真实网络结构信息，建立网络模型G(V，E)，V代表网络中的节点，E代表网络中的连边；

步骤二：确定目标节点v_i，为节点v_i推荐连接可能性最高的节点，用θ_i表示所有可能的待推荐连接节点集合；

步骤三：在集合θ_i中任取一个节点v_j，获取节点v_i和v_j的共同邻居节点集合Ψ(i,j)＝Γ(i)∩Γ(j)，其中Γ(i)和Γ(j)分别表示节点v_i和v_j的邻居节点集合；

步骤四：在集合Ψ(i,j)中任意选取节点v_h，计算节点v_h的度k_h、节点v_h的邻居节点之间的连边个数t_h；

步骤五：计算节点v_i和v_j的相似度指标

步骤六：对集合θ_i中所有的节点，重复步骤三到步骤五，计算所有节点和v_i的相似度指标，将所有节点按照相应的相似度指标数值从大到小排列，取数值最高的三个节点，这三个节点即为连接可能性最高的三个节点。

本发明的有益效果为：从现实生活中朋友推荐的现象出发，在经典的共同邻居方法的基础上，利用局部网络中的三元闭包信息，有效地提高了链路预测算法的精度。

附图说明

图1为一个网络模型的的局部结构示意图。

具体实施方式

下面结合附图对本发明做进一步说明。

参照图1，一种基于网络局部结构信息过滤的推荐方法，包括以下步骤：

步骤一：获取真实网络结构信息，建立网络模型G(V，E)，V代表网络中的节点，E代表网络中的连边，如图1为一个网络模型的局部结构示意图；

步骤二：确定目标节点v_i，如图1中的节点①，为节点v_i推荐连接可能性最高的节点，用θ_i表示所有可能的待推荐连接节点集合，如图1中的节点②、节点⑤、节点⑥都属于节点①的待推荐连接节点集合θ_i；