[发明专利]社交网络中的潜在好友推荐方法

摘要

本发明通过两层模型实现对潜在好友的推荐。第一层首先是对每个用户的文章进行主题分类，构建出用户关注度向量，计算用户的余弦(cosine)相似度，获得粗略潜在好友推荐列表。第二层将用户随时间的兴趣变化计入考虑，将变化因素考虑到相似度计算中，再基于第一层的粗化推荐表进一步细化好友推荐。由于利用了文章反映用户兴趣这一特征，从相似兴趣度出发，绕过了现有社交网络基于用户原有好友关系的限制，实现了基于兴趣相似度的好友推荐方法，拓展了好友推荐的范围，进而在大范围中更准确有效地实现好友的推荐。

主权项

一种社交网络中的潜在好友推荐方法，包括如下步骤：S01：从社交网络服务器上获得每位用户在一年内发表的所有文章，并进行存储记录；S02：统计每位用户在每个主题下的文章总数；S03：利用余弦定理依据以下公式计算用户间的粗略相似度：similarity(i,j)=Σt=1kn(i,t)×n(j,t)n(i,1)2+n(i,2)2+...+n(i,k)2n(j,1)2+n(j,2)2+...+n(j,k)2]]>其中，similarity(i,j)为用户i与用户j的粗略相似度，k为主题的数量，n(i，t)表示用户i在主题t下发表的文章数，n(j，t)表示用户j在主题t下发表的文章数；对于一个特定的用户，对其他用户依据其与该特定的用户之间粗略相似度similarity(i,j)的大小进行排列，选出相似度最高的x个用户作为该特定的用户的潜在用户粗略推荐表；S04：根据该特定用户和潜在用户粗略推荐表中的每个用户每个月在k个主题下发表的文章数，依据以下公式计算第m月与第m+1月之间的差异difi[m]：difi[m]=1-Σt=1kn(i,m+1,t)×n(i,m,t)n(i,m+1,1)2+n(i,m+1,2)2+...+n(i,m+1,k)2×n(i,m,1)2+n(i,m,2)2+...+n(i,m,k)2]]>n(i，m，t)为用户i在第m个月在t个主题下发表的文章数；进而依据以下公式计算x个用户中其中每个用户在一年中的兴趣变化敏感度λi：λi=Σm=111difi[m]11]]>S05：统计该特定用户和潜在用户粗略推荐表中的每个用户文章的发表时间，通过以下公式计算主题t中两个用户的相似度simt(i,j)：simt(i,j)=Σb=1|n(i,t)|Σa=1|n(j,t)|e-λ(time(a)-time(b))|n(i,t)|×|n(j,t)|]]>其中，n(i,t)与n(j,t)分别为主题t中用户i、用户j各自拥有的文章总数，a为用户j发表的有关主题t的文章编号，b为用户i发表的有关主题t的文章编号，time(a)为用户j发表的有关主题t的第a篇文章的时间，time(b)为用户i发表的有关主题t的第b篇文章的时间，λ为敏感因子，所述敏感因子λ通过以下公式计算得到：λ=(λi+λj)2]]>最终，通过以下公式获得两个用户间的细化相似度sim(i,j)sim(i,j)=Σt=1k-1simt(i,j)*(n(i,t)+n(j,t))Σt=1k-1(n(i,t)+n(j,t))]]>S06：对于该特定的用户，将其粗略推荐列表中的x个用户依据其与该特定的用户之间的细化相似度sim(i,j)的大小进行排列，获得最终的推荐列表，从而向该特定的用户提供该最终的推荐列表。