[发明专利]一种基于信息安全专业社交网络平台的推荐算法

摘要

本发明涉及一种基于信息安全专业社交网络平台的推荐算法，主要由以下步骤组成(1)收集用户偏好从用户的行为和偏好中发现规律，并基于此给予推荐，收集用户的偏好信息是系统推荐效果基础的决定因素，用户采用各种方式向系统提供自己的偏好信息；(2)分析内容特性当已经对用户行为进行分析得到用户喜好后，根据用户喜好计算相似用户和物品，然后基于相似用户或者物品进行推荐；(3)相似度的计算。本发明有益效果为实现了建立更好的推荐模式，让用户体验到他所关注的人才圈子内推荐的内容更加个性化；本算法混合单纯的协同过滤和基于内容的方法，提升了性能，可以提供更准确的推荐，也可以克服一些推荐系统中，如冷启动和稀疏性问题的常见问题。

主权项

一种基于信息安全专业社交网络平台的推荐算法，其特征在于，由以下步骤组成：(1)收集用户偏好：从用户的行为和偏好中发现规律，并基于此给予推荐，收集用户的偏好信息是系统推荐效果基础的决定因素，用户采用各种方式向系统提供自己的偏好信息；(2)分析内容特性：当已经对用户行为进行分析得到用户喜好后，根据用户喜好计算相似用户和物品，然后基于相似用户或者物品进行推荐，这两种方法都要计算相似度；生成推荐的过程由设置的三个部件组成：内容分析器：从漏洞信息中提取影响用户关注度的重要信息用一种适当的权重来表示，这种权重包括漏洞严重级别、攻击复杂度、关联产品、所属厂商、关联补丁、利用代码、恶意代码；文件学习器：收集、泛化代表用户偏好的数据，生成用户概要信息，采用机器学习方法从用户之前关注的漏洞信息中推出一个表示用户关注的模型；过滤部件：通过学习用户概要信息，匹配用户概要信息和商品信息，推荐相关的商品，结果是一个二元的连续型的相关判断，后者将生成一个用户可能感兴趣的潜在商品评分列表；(3)相似度的计算：在推荐的场景中，在用户与物品偏好的二维矩阵中，将一个用户对所有物品的偏好作为一个向量来计算用户之间的相似度，或者将所有用户对某个物品的偏好作为一个向量来计算物品之间的相似度。