[发明专利]一种基于LDA的加权平均的个性化好友推荐方法

摘要

本发明公开了一种基于LDA的加权平均的个性化好友推荐方法，其内容包括获取社交网络中目标用户t的一度、二度、…m度好友形成候选好友集合C，提取目标用户和集合C中每个用户的静态属性信息；利用LDA主题建模的方法，分析候选用户关注的主题，从而推断候选用户的兴趣爱好，身份地位和年龄性别信息；分析社交网络中用户的动态行为信息，用加权平均法计算用户间相似性；最终得到目标用户对候选用户的评分向量,根据评分向量进行排序，把排名前Top‑N的候选用户推荐给目标用户。本发明更全面的考虑目标用户和候选用户的属性信息，很大程度上提高好友推荐的精度。本发明在微博数据集上进行验证，实验结果表明本发明具有良好的推荐效果。

主权项

一种基于LDA的加权平均的个性化好友推荐方法，其特征在于：该方法把用户的节点信息特征和社交网络结构特征利用加权平均的方法有效结合，建立统一模型的个性化好友推荐方法；所述用户的节点信息特征是指用户的静态属性；所述社交网络结构特征是指用户的动态行为；所述方法具体内容包括如下步骤：步骤一：首先，获取社交网络中目标用户t的一度、二度、…m度好友形成候选好友集合C，提取目标用户和集合C中每个用户的静态属性信息，即每个用户都具有一个静态属性结构，这些静态属性信息包括目标用户和候选用户间的共同好友数，自身地理位置，以及在社交网中与自身相关的帖子；步骤二：对于步骤一所述候选用户相关帖子，利用LDA主题建模的方法，分析候选用户关注的主题，从而推断候选用户的兴趣爱好，身份地位和年龄性别信息；然后根据社交网络目标用户的静态属性，包括目标用户与候选用户的共同好友数，目标用户和候选用户的地理位置，以及目标用户和候选用户关注的“主题”，分别对候选集合中的候选用户和目标用户进行相似度计算，其计算依据如下：①目标用户与候选用户的共同好友数越多,目标用户与候选用户的相似度就越高；②线上行为可能影响线下行为，目标用户与候选用户间的地理位置越近，目标用户与候选用户间就越容易成为好友；③目标用户和候选用户共同的话题数越多，目标用户与候选用户的兴趣就越相似，成为好友的可能性也就越大；利用加权平均的方法为上述的各个静态属性分别赋予一个权重，同时为了平衡上述静态属性在计算社交网络中目标用户和候选用户间相似度的重要程度，使用sigmod的函数对各个特征进行缩放；步骤三：考虑到社交网络中用户间的交互性行为以及社交网络的动态性，分析社交网络中用户的动态行为信息，并综合考虑用户间动态行为的关联，将其建模到好友推荐方法中；其中用户交互性行为包括：转发行为、回复行为、评论行为、点赞行为和@行为，根据这些动态行为,对这些用户间的交互性行为进行相似度计算；步骤四：用加权平均法计算用户间相似性；为社交网络候选用户的动态行为分配权重，并把步骤二所述的目标用户的静态属性信息分配权重，将两方面结合进行统一建模，综合计算目标用户与候选用户间的相似度，最终得到目标用户对候选用户的相似度向量，也就是目标用户对候选用户的评分向量；步骤五：对步骤四中所得到的目标用户对候选用户评分向量进行排序，把排名在前Top‑N的候选用户推荐给目标用户。