[发明专利]海量用户的二度人脉关系MapReduce推荐方法及系统

摘要

本发明提供一种海量用户的二度人脉关系MapReduce推荐方法及系统，其中的方法包括在海量用户的关注关系中，根据用户的一度人脉关系通过两步MapReduce的计算方法获得用户的二度人脉关系，并予以推荐。利用本发明提供的海量用户的二度人脉关系MapReduce推荐方法及系统，能够解决重复查询、推荐准确性和提高计算效率的问题。

主权项

一种海量用户的二度人脉关系MapReduce推荐方法，包括：在海量用户的关注关系中，根据用户的一度人脉关系通过两步MapReduce的计算方法获得用户的二度人脉关系，并予以推荐；其中，在所述海量用户的关注关系中，若用户A关注用户B，用户C关注用户A，则用户B为用户A的好友，用户C为用户A的粉丝；并且，若用户C通过用户A推荐关注用户B，则用户B为用户C的二度人脉，用户A为用户C和用户B之间的间接关注者；若用户C通过在所述海量用户的关注关系中除用户A之外的其他用户关注用户B，则其他用户为用户C和用户B的间接关注者；并且，在所述两步MapReduce的计算方法中的第一步MapReduce的计算方法中，在所述海量用户的关注关系中，根据所述用户A的一度人脉，将用户A的好友与用户A的粉丝合并归类，获得用户A的好友集合和用户A的粉丝集合，同时并统计用户A的粉丝的数量；其中，所述用户B在所述用户A的好友集合中，所述用户C在所述用户A的粉丝集合中；并且，在所述海量用户的关注关系中，根据所述其他用户的一度人脉，获得所述其他用户的好友集合和所述其他用户的粉丝集合，同时并统计所述其他用户的粉丝数量；在所述两步MapReduce的计算方法中的第二步MapReduce的计算方法中，在所述海量用户的关注关系中，所述用户A的粉丝集合通过所述用户A推荐关注所述用户A的好友集合，所述用户A的粉丝集合的二度人脉为所述用户A的好友集合，其中，所述用户A为所述用户A的粉丝集合中的所述用户C和所述用户A的好友集中的所述用户B的间接关注者；并且，根据所述用户A的粉丝的数量获得所述用户A的推荐权重值，根据所述其他用户的粉丝的数量获得所述其他用户的推荐权重值；将所述用户A的推荐权重值和所述其他用户的推荐权重值进行合并从而获得最大的推荐权重值，并统计所述用户C和所述用户B之间的间接关注者的数量，其中，所述用户C和所述用户B之间的间接关注者的数量为所述用户A和所述其他用户的数量之和；将所述用户B推荐给所述用户C，同时将所述最大的推荐权重值以及所有间接关注者推荐给所述用户C，以完成所述用户的二度人脉关系推荐。