[发明专利]一种基于择友偏好和矩阵分解的潜在好友推荐方法

摘要

本发明公开了一种基于择友偏好和矩阵分解的潜在好友推荐方法，包括根据用户间的表态数据，通过矩阵分解，以排序学习为模型学习用户的择友偏好，进行用户间的表态估计，融合用户间双向推荐的结果，最终向用户推荐可能成为好友的陌生人。本方法通过用户热门程度的筛选，能有效缓解传统基于矩阵分解的推荐算法中由于用户表态评分矩阵的稀疏性问题，并实现数据降维，而综合考虑双向推荐的结果，能进一步提高陌生潜在好友推荐的精度。

主权项

1.一种基于择友偏好和矩阵分解的潜在好友推荐方法，其特征在于，包括如下步骤：S1设置地理围栏，获取围栏内用户对其他用户的历史表态操作数据，建立表态矩阵，统计历史表态操作数据得到用户的“被喜欢”数和“被喜欢”率作为用户热门程度的参考依据；S2根据用户热门程度将表态矩阵构建出多个子表态矩阵；S3对子表态矩阵进行矩阵分解得到分解矩阵，进一步进行训练得到潜在特征矩阵；S4根据潜在特征矩阵，预测当前用户对其他用户的单向表态评分；S5综合当前用户对其他用户的单向表态评分，和其他用户对当前用户的单向表态评分，然后使用用户热门程度对评分进行加权，产生当前用户的推荐用户列表。